Application of Spatial Regression in Employment Characteristics Modelling

Ewa Katarzyna Pośpiech; Adrianna Mastalerz-Kodzis

doi:10.18778/0208-6018.335.05

Autor

Ewa Katarzyna Pośpiech University of Economics in Katowice, Faculty of Management, Department of Statistics, Econometrics and Mathematics
Adrianna Mastalerz-Kodzis University of Economics in Katowice, Faculty of Management, Department of Statistics, Econometrics and Mathematics

DOI:

https://doi.org/10.18778/0208-6018.335.05

Słowa kluczowe:

modelowanie przestrzenne, model błędu przestrzennego, model opóźnienia przestrzennego, zatrudnienie

Abstrakt

W artykule analizowano zagadnienie poziomu zatrudnienia. Zbadano stopę zatrudnienia w wybranych regionach Europy, a następnie dla wybranych zmiennych – ludność pracująca ogółem, pracujące kobiety oraz pracujący mężczyźni – zbudowano klasyczne modele ekonometryczne i zweryfikowano konieczność uwzględnienia w modelowaniu badanego zjawiska czynnika przestrzennego. Jako zmienne objaśniające modelu wybrano zmienne demograficzne oraz PKB na mieszkańca. Badano, czy uwzględnienie w konstrukcji modeli podejścia przestrzennego poprawi ich jakość. W rozważaniach wzięto pod uwagę dwa podstawowe modele przestrzenne – model błędu przestrzennego oraz model opóźnienia przestrzennego, spośród których ten pierwszy okazał się dobrym narzędziem analiz.

Pobrania

Statystyki pobrań niedostępne.

Bibliografia

Anselin L. (2006), Spatial Analysis with GeoDa. 4. Spatial Regression, University of Illinois, Urbana Champaign.

Anselin L., Bera A. (1998), Spatial Dependence in Linear Regression Models with an Introduction to Spatial Econometrics, [in:] A. Ullah, D.E.A. Giles (eds.), Handbook of Applied Economic Statistics, Springer‑Verlag, Berlin.

Arbia G. (2006), Spatial Econometrics: Statistical Foundations and Applications to Regional Convergence, Springer‑Verlag, Berlin.

Cliff A.D., Ord J.K. (1981), Spatial Process: Models and Applications, Pion, London.

Eurostat, http://ec.europa.eu/eurostat/web/regions/data/database [accessed: 24.10.2016].

Kopczewska K. (2011), Ekonometria i statystyka przestrzenna z wykorzystaniem programu R Cran, CeDeWu, Warszawa.

Overmars K.P., Koning G.H.J. de, Veldkamp A. (2003), Spatial autocorrelation in multi‑scale land use models, “Ecological Modelling”, no. 164, pp. 257–270, http://dx.doi.org/10.1016/S0304-3800(03)00070‑X.

Pietrzykowski R. (2011), Wykorzystanie metod statystycznej analizy przestrzennej w badaniach ekonomicznych, “Roczniki Ekonomiczne Kujawsko‑Pomorskiej Szkoły Wyższej w Bydgoszczy”, vol. 4, pp. 97–112.

Pośpiech E. (2015), Analiza przestrzenna bezrobocia w Polsce, “Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach”, vol. 227, pp. 59–74.

Pośpiech E. (2016), Modelowanie przestrzenne charakterystyk rynku pracy, “Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach”, vol. 265, pp. 69–79.

Pośpiech E., Mastalerz‑Kodzis A. (2015), Autokorelacja przestrzenna wybranych charakterystyk społeczno‑ekonomicznych, “Metody Ilościowe w Badaniach Ekonomicznych”, vol. 16, no. 4, pp. 85–94.

Pośpiech E., Mastalerz‑Kodzis A. (2016), Spatial and Temporal Analysis of Labour Market Characteristics, “Folia Oeconomica Stetinensia” [in print].

Sikora J., Woźniak A. (2007), Autokorelacja przestrzenna wskaźników infrastruktury wodno‑ściekowej woj. małopolskiego, “Infrastruktura i Ekologia Terenów Wiejskich”, vol. 4, no. 2, pp. 315–329.

Suchecki B. (ed.) (2010), Ekonometria przestrzenna. Metody i modele analizy danych przestrzennych, C.H. Beck, Warszawa.

Tobler W. (1970), A Computer Model Simulating Urban Growth in Detroit Region, “Economic Geography”, vol. 46, no. 2, pp. 234–240.

Zeug‑Żebro K. (2014), Analiza przestrzenna procesu starzenia się polskiego społeczeństwa, “Studia i Prace Wydziału Nauk Ekonomicznych i Zarządzania”, vol. 36, no. 2, pp. 441–456.