PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2016 | nr 426 Taksonomia 26. Klasyfikacja i analiza danych - teoria i zastosowania | 157--165
Tytuł artykułu

Syntetyczne źródła danych w analizie przestrzennego zróżnicowania ubóstwa

Autorzy
Treść / Zawartość
Warianty tytułu
Synthetic Data Sources in Spatial Poverty Analysis
Języki publikacji
PL
Abstrakty
Celem artykułu jest wykorzystanie metody wielokrotnej imputacji w tworze-niu syntetycznych zbiorów danych o pełnym pokryciu w analizie przestrzennego zróżnico-wania ubóstwa. Podejście to umożliwia tworzenie szacunków o zwiększonej precyzji na niskich poziomach agregacji przestrzennej, niemożliwych do uzyskania z wykorzystaniem estymacji bezpośredniej. Uzyskane rezultaty porównano z pracami studialnymi przeprowa-dzonymi metodą Faya-Herriota w Ośrodku Statystyki Małych Obszarów w Urzędzie Staty-stycznym w Poznaniu i otrzymano zbieżne rezultaty(abstrakt oryginalny)
EN
The aim of of this article is employing the method of multiple imputation in creating full coverage synthetic data sets in the analysis of spatial poverty differentiation. This ap-proach allows for the creation of estimates with improved accuracy at low levels of spatial aggre-gation, impossible to obtain with the use of the direct estimation. The results were compared with the work carried out by the Center for Small Areas Statistics at the Statistical Office in Poznań with the use of Fay-Herriot model. The point estimates were consistent(original abstract)
Słowa kluczowe
Twórcy
  • Uniwersytet Ekonomiczny w Poznaniu
Bibliografia
  • Alfons A., Filzmoser P., Hulliger B., Kolb J-P., Kraft S., Munnich R., Templ M., 2011, Synthetic Data Generation of SILC Data, European Commision, Community Research, AMELI Project, Trier.
  • Haslett S., Jones G., Noble A., Ballas D., 2010, More or Less? Comparing Small Area Estimation, Spatial Microsimulation, and Mass Imputation, Section on Survey Research Methods - JSM, American Statistical Association, Alexandria-Vancouver.
  • Łysoń P. (red.), 2012, Dochody i warunki życia ludności Polski (raport z badania EU-SILC 2011), Informacje i Opracowania Statystyczne, GUS, Departament Badań Społecznych i Warunków Życia, Warszawa.
  • Peck J., 2011, Extension Commands and Rim Weighting with IBM SPSS Statistics: Theory and Prac-tice, IBM Corporation, Armonk, NY.
  • Raessler S., 2002, Statistical Matching. A Frequentist Theory, Practical Applications, and Alternative Bayesian Approaches, Springer, New York.
  • Raessler S., 2004, Data fusion: Identification problems, validity, and multiple imputation, Austrian Journal of Statistics, vol. 33, no. 1/2, s. 153-171.
  • Rao J.N.K., 2003, Small Area Estimation, Wiley & Sons, Hoboken, NJ.
  • Rubin D.B., 1987, Multiple Imputation for Nonresponse in Surveys, Wiley & Sons, New York.
  • Szymkowiak M., Beręsewicz M., Józefowski T., Klimanek T., Małasiewicz A., Młodak A., Wawrowski Ł., 2013, Mapy ubóstwa na poziomie podregionów w Polsce z wykorzystaniem estymacji pośredniej, Urząd Statystyczny w Poznaniu, Ośrodek Statystyki Małych Obszarów, GUS, Warszawa.
  • Wawrowski Ł., 2014, Wykorzystanie metod statystyki małych obszarów do tworzenia map ubóstwa w Polsce, Wiadomości Statystyczne, nr 9.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171435518

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.