Classification of Polish Households Based on Their Incomes by Means of Decision Trees

• Autorzy: Krzysztof Karpio , Piotr Łukasiewicz , Grzegorz Koszela , Arkadiusz Orłowski
• Języki publikacji: EN

Abstrakty

EN

Classification trees included in SQL Server 2008R2 Analysis Services package have been used to classify Polish households based on their incomes. The analysis has been performed by means of the three algorithms and their effectiveness has been measured. Using the best algorithm a groups of households with the lowest and the largest incomes have been distinguished. The most important attributes describing households with the lowest and the largest incomes were identified and discussed. (original abstract)

Słowa kluczowe

EN

Households; Household income; Income distribution; Classification trees; Entropy; Decision tree

PL

Gospodarstwa domowe; Dochody gospodarstw domowych; Rozkład dochodów; Drzewa klasyfikacyjne; Entropia; Drzewo decyzyjne

• Czasopismo: Metody Ilościowe w Badaniach Ekonomicznych / Szkoła Główna Gospodarstwa Wiejskiego
• Rocznik: 2014
• Tom: 15(XV)
• Numer: nr 2
• Strony: 403--413

Twórcy

autor

Krzysztof Karpio

• Warsaw University of Life Sciences - SGGW, Poland

autor

Piotr Łukasiewicz

• Warsaw University of Life Sciences - SGGW, Poland

autor

Grzegorz Koszela

• Warsaw University of Life Sciences - SGGW, Poland

autor

Arkadiusz Orłowski

• Warsaw University of Life Sciences - SGGW, Poland

Bibliografia

• Anioła P., Gołaś Z. Zastosowanie wielowymiarowych metod statystycznych w typologii strategii oszczędnościowych gospodarstw domowych w Polsce, NBP, 2012.
• Beckel Ch., Sadamori L., Santini S. (2013) Automatic Socio-Economic Classification of Households Using Electricity Consumption Data, e-Energy '13 Proceedings of the fourth International Conference on Future Energy Systems, 75-86.
• Breiman L., Friedman J.H., Olshen R.A., Stone C.J. Classification and Regression Trees, Wadsworth, Belmont, CA, 1984.
• Chrzanowska M., Alfaro E., Witkowska D. (2009) The individual borrowers recognition: Single and ensemble trees, Expert Systems with Applications 36, 6409-6414.
• Cooper G.F., Herskovits E. (1992) A Bayesian Method for the Induction of Probabilistic Networks from Data, Machine Learning 9, 309-347.
• D'Ambrosio C. (2001) Household Characteristics and the Distribution of Income in Italy: an Application of Social Distance Measures, Review of Income and Wealth 47, No 1, 43-64.
• Dragulescu A.A., Yakovenko V.M. (2001) Exponential and power-law probability distributions of wealth and income in the United Kingdom and the United States, Physica A, 299, 213-221.
• Dziechciarz-Duda M., Król A., Przybysz K. (2012) Minimum egzystencji a czynniki warunkujące skłonność do korzystania z pomocy społecznej. Klasyfikacja gospodarstw domowych, Taksonomia Nr 19 (242), 144-152.
• Gatnar E. Symboliczne metody klasyfikacji danych, PWN, Warszawa, 1998.
• Heckerman D. (1997) Bayesian Networks for Data Mining, Data Mining and Knowledge Discovery 1, 79-119.
• Heckerman D., Geiger D., Chickering D.M. (1995) Learning Bayesian networks: the combination of knowledge and statistical data, Machine Learning 20, 197-243.
• Jagielski M., Kutner R. (2013) Modelling of income distribution in the European Union with the Fokker-Planck equation, Physica A 392, 2130-2138.
• Kompa K., Witkowska D. (2013) Application of Classification Trees to Analyze Income Distribution in Poland, Quantitative Methods in Economics, Vol. XIV, No. 1, 265-275.
• Koronacki J., Ćwik J. Statystyczne systemy uczące się, Exit, Warszawa, 2008.
• Kozera A., Stanisławska J., Wysocki F. (2013) Klasyfikacja gospodarstw domowych ze względu na stopień zaspokojenia ich potrzeb mierzony kategorią minimum socjalnego, Marketing i Rynek 11, 31-38.
• Lim T., Loh W., Shih Y. (2000) A Comparison of Prediction Accuracy, Complexity, and Training Time of Thirty-three Old and New Classification Algorithms, Machine Learning, Vol. 40, 203-229.
• Łukasiewicz P., Karpio K., Orłowski A. (2012) The Models of Personal Incomes in USA, Acta Physica Polonica A, Vol. 121, B-82-B-85 (2012).
• Łukasiewicz P., Orłowski A. (2004) Probabilistic models of income distributions, Physica A 344, 146.
• Morgan J.N., Sonquist J.A. (1963) Problems in the Analysis of Survey Data, and a Proposal, Journal of the American Statistical Association 58 (302), 415-434.
• Olbryś J. (2007) Sieć bayesowska jako narzędzie pozyskiwania wiedzy z ekonomicznej bazy danych, Zeszyty Naukowe Politechniki Białostockiej, Informatyka 2, 93-107.
• Quinlan J. R. (1993) C4.5: Programs for Machine Learning, Morgan Kaufmann, Los Altos.