Wykorzystanie metody składowych głównych i składowych niezależnych w analizie kształtowania się wydatków gospodarstw domowych

• Autorzy: Agnieszka Pasztyła

Warianty tytułu

Using the Main Component and Independent Component Method in Analysing Household Expenditure

• Języki publikacji: PL

Abstrakty

Przedstawiono nowe spojrzenie na zastosowanie analizy korelacji zmian w wydatkach gospodarstw domowych. Główna metoda składowa, której podstawą jest analiza korelacji i metoda składników niezależnych, która jest rozwinięciem pierwszej metody są stosowane w analizie kształtowania się wydatków gospodarstw domowych. Analiza ta może być stosowana do oceny funkcjonalnej zależności między zmiennymi, które decydują o sytuacji społeczno-ekonomicznej gospodarstw domowych, a także wybierania zmiennych w procesie opracowywania modeli, które mają na celu opisanie tych zależności.

EN

The author presents a new perspective on applying correlation analysis to changes in household expenditure. The main component method, whose basis is correlation analysis, and the independent component method - which is an expansion of the former method are applied with the aim of identifying factors that simultaneously shape the expenditure of households. This analysis can be used to assess the functional dependencies between variables that determine the socio-economic situation of households, and to select variables in the process of formulating models that aim to describe those dependencies. (original abstract)

Słowa kluczowe

PL

Gospodarstwa domowe; Wydatki gospodarstw domowych; Zmienne losowe; Analiza korelacji

EN

Households; Household expenditures; Random variable; Correlation analysis

• Czasopismo: Zeszyty Naukowe / Uniwersytet Ekonomiczny w Krakowie
• Rocznik: 2008
• Numer: nr 790
• Strony: 43--56

Twórcy

autor

Agnieszka Pasztyła

• Uniwersytet Ekonomiczny w Krakowie

Bibliografia

• Amari S., Cichocki A., Yang H.H. [1996], A New Learning Algorithm for Blind Signal Separation, Advances in Neural Information Processing Systems 8, MIT Press.
• Bell A.J., Sejnowski T.J. [1995], An Information Maximisation Approach to Blind Separation and Blind Deconvolution, Neural Computation, 7,6.
• Cardoso J.F., Souloumiac A. [1993], An Efficient Technique for the Blind Separation of Complex Sources, Proc. IEEE SP Workshop on Higher-Order Statistic, Lake Tahoc, USA.
• Chatfield Ch., Collins J. [1983], Introduction to Multivariate Analysis, Chapman and Hall, London.
• Jolliffe I.T. [2002], Principal Component Analysis, Springer, New York.
• Gajek L., Kałuszka M. [2000], Wnioskowanie statystyczne. Modele i metody, WNT, Warszawa.
• Hastie T., Tibshirani R., Friedman .J. [2001], The Elements of Statistical Learning. Data Mining, Inference and Prediction, Springer, New York.
• Hyvärinen A., Karhunen J., Oja E. [2001], Independent Component Analysis, John Wiley and Sons, New York.
• Kunysz K. [1990], Elementy teorii informacji, Wydawnictwo Politechniki Rzeszowskiej, Rzeszów.
• MacKay D.J.C. [2004], Information Theory, Inference and Learning Algorithms, Cambridge University Press, Cambridge.
• Roeske-Słomka I. [200l], Dochody i wydatki gospodarstw domowych w Polsce w latach 1993-1997, AE w Poznaniu, Poznań.