Wykorzystanie modeli logarytmiczno-liniowych do analizy bezrobocia w Polsce w latach 2004-2012

• Autorzy: Justyna Brzezińska

Warianty tytułu

The Analysis of Unemployment data in Poland in 2004--2012 with Application of Log-linear Models

• Języki publikacji: PL

Abstrakty

Analiza logarytmiczno-liniowa pozwala na szczegółową ocenę zależności pomiędzy dowolną liczbą zmiennych niemetrycznych. W analizie tej wyróżnia się wiele ro-dzajów zależności, a jakość dopasowania modelu do danych ocenia się za pomocą współ-czynnika chi-kwadrat, ilorazu wiarygodności oraz kryteriów informacyjnych. W ciągu kilku lat bezrobocie w Polsce stało się jednym z poważniejszych problemów ekonomiczno- -społecznych. Można zaobserwować duże jego zróżnicowanie pomiędzy różnymi regionami wśród osób z wyższym wykształceniem, a także względem płci. W niniejszym artykule mo-dele logarytmiczno-liniowe wykorzystano do analizy struktury bezrobocia w Polsce w la-tach 2004-2012 na podstawie tablic zmiennych w czasie. Badanie przeprowadzono na pod-stawie danych pochodzących z Głównego Urzędu Statystycznego. Obliczenia przeprowa-dzone zostaną w programie R.(abstrakt oryginalny)

EN

Log-linear analysis allows to analyze the relationship between two or more categorical (e.g. nominal or ordinal) variables. There are several types of association. For testing the goodness of fit the Pearson chi-square statistic, likelihood ratio and information criteria are used. With the rising unemployment rate in recent years, unemployment is one of the most important socio-economic and social problems in Poland. The comparative log-linear analysis of unemployment will be presented on the data from the Central Statisti-cal Office. Log-linear models are available in R software.(original abstract)

Słowa kluczowe

PL

Modele logarytmiczno-liniowe; Bezrobocie

EN

Log-linear models; Unemployment

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
• Rocznik: 2014
• Tom: 22
• Numer: nr 327 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 95--103

Twórcy

autor

Justyna Brzezińska

• Uniwersytet Ekonomiczny w Katowicach

Bibliografia

• Agresti A. (2002), Categorical Data Analysis, John Wiley & Sons, Hoboken, New Jersey.
• Akaike H. (1973), Information theory and an extension of the maximum likelihood principle, Proceed-ings of the 2nd International Symposium on Information, Petrow B.N., Czaki F., Akademiai Kiado, Budapest.
• Christensen R. (1997), Log-linear Models and Logistic Regression, Springer-Verlag, New York.
• Friendly M. (1994), Mosaic displays for multi-way contingency tables, "Journals of the American Statistical Association" 49, s. 153-160.
• Friendly M. (1995), Conceptual and visual models for categorical data, "The Amercian Statistician" 49, s. 153-160.
• Friendly M. (2000), Visualizing Categorical Data, SAS Institute.
• Knoke D., Burke P.J. (1980), Log-linear Models, Sage University Paper Series on Quantitative Ap-plications in the Social Science, series no. 07-020, Beverly Hills and London Sage.
• Raftery A.E. (1986), Choosing models for cross-classification, "American Sociological Review" 51, 1, s. 145-146.
• Schwarz G. (1978), Estimating the dimensions of a model, "Annals of Statistics" 6, s. 461-464.
• Zelterman D. (2006), Models for Discrete Data, Oxford University Press.