PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2016 | nr 427 Taksonomia 27. Klasyfikacja i analiza danych - teoria i zastosowania | 103--111
Tytuł artykułu

Zmienne towarzyszące w ukrytym modelu markowa - analiza oszczędności polskich gospodarstw domowych

Autorzy
Treść / Zawartość
Warianty tytułu
Latent Markov Model with Covariates - Polish Households' Saving Behaviour
Języki publikacji
PL
Abstrakty
Ukryte modele Markowa (modele LM) stosowane są najczęściej do analizy danych panelowych o charakterze jakościowym, gdzie celem jest nie tylko podział obserwacji na homogeniczne grupy, ale także pewna analiza zmian w czasie. Ponadto modele te pozwalają na badanie relacji pomiędzy zmiennymi ukrytymi i tzw. zmiennymi towarzyszącymi. W artykule przedstawiona zostanie rozbudowana wersja modelu LM, uwzględniająca zmienne towarzyszące, mające wpływ na prawdopodobieństwa początkowe oraz prawdopodobieństwa przejścia tego modelu. Celem badań będzie podział polskich gospodarstw domowych na klasy o podobnych skłonnościach do oszczędzania, a także zaobserwowanie zmian ich postaw na przestrzeni kilku lat, z wykorzystaniem wpływu zmiennych towarzyszących stałych i zmiennych w czasie t, na ukryte zmienne modelu. Badania przeprowadzone będą za pomocą ukrytych modeli Markowa (latent Markov models) z zastosowaniem pakietu LMest programu R(abstrakt oryginalny)
EN
Latent Markov (LM) models represent an important class of models for the analysis of longitudinal data, especially when response variables are categorical. Those models are specially tailored to study the evolution of an individual characteristic of interest that is not directly observable. We applied the extended version of LM to find groups of Polish households' with similar saving behaviour. We focused especially on the different covariates having influence on the initial and transition probabilities of the model. We analyzed data collected as part of the Polish Social Diagnosis using LMest package of R(original abstract)
Twórcy
autor
  • Uniwersytet Ekonomiczny w Katowicach
Bibliografia
  • Akaike H., 1974, A new look at statistical model identification, IEEE Transactions on Automatic Control, vol. 19, no. 6, s. 716-723.
  • Bartolucci F., Farcomeni A., 2009, A multivariate extension of the dynamic logit model for longitudinal data based on latent Markov heterogeneity structure, Journal of the American Statistical Association, vol. 104, no. 486, s. 816-831.
  • Bartolucci F., Farcomeni A., Pandolfi S., Pennoni, F. 2015, LMest: An R package for latent Markov models for categorical longitudinal data, http://arxiv.org/abs/1501.04448 (19.03.2015).
  • Bartolucci F., Farcomeni A., Pennoni F., 2013, Latent Markov Models for Longitudinal Data, Chapman and Hall/CRC Press, Boca Raton.
  • Bartolucci F., Lupparelli M., Montanari G.E., 2009, Latent Markov model for binary longitudinal data: An application to the performance evaluation of nursing homes, Annals of Applied Statistics, vol. 3, no. 1, s. 611-636.
  • Bartolucci F., Montanari G. E., Pandolfi S., 2015, Three-step estimation of latent Markov models with covariates, Computational Statistics & Data Analysis, vol. 83, no. 1 s. 287-301.
  • Bartolucci F., Pennoni F., Francis B., 2007, A latent Markov model for detecting patterns of criminal activity, Journal of the Royal Statistical Society, vol. 170, no. 1, ser. A, s. 151-132.
  • Czapiński J., Panek T. (red.), Diagnoza społeczna 2013. Warunki i jakość życia Polaków (raport), Rada Monitoringu Społecznego, Warszawa.
  • Dempster A.P., Laird N.P., Rubin D.B., 1977, Maximum likelihood for incomplete data via the EM algorithm (with discussion), Journal of the Royal Statistical Society, vol. 39, no. 1, ser. B, s. 1-38.
  • Genge E., 2014, Zastosowanie ukrytych modeli Markowa w analizie oszczędności wśród Polaków, [w:] J. Kolonko, G. Kończak (red.), Metody wnioskowania statystycznego w badaniach ekonomicznych, Studia Ekonomiczne, nr 189, Wydawnictwo Uniwersytetu Ekonomicznego w Katowicach, Katowice, s. 58-66.
  • Genge E., 2015a, A longitudinal study of Polish emigration attitudes: A latent Markov model approach,[w:] M. Papież, S. Śmiech (red.), The 9th Professor Aleksander Zeliaś International Conference on Modelling and Forecasting of Socio-Economic Phenomena. Conference Proceedings, Foundation of the Cracow University of Economics, Cracow, s. 49-57 (CD-ROM).
  • Genge E., 2015b, Zaufanie do instytucji publicznych i finansowych w polskim społeczeństwie - analiza empiryczna z wykorzystaniem ukrytych modeli Markowa, Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu, nr 384, Taksonomia 24: Klasyfikacja i analiza danych - teoria i zastosowania, s. 100-107.
  • Podgórska M., Śliwka P., Topolewski M., Wrzosek M., 2000, Łańcuchy Markowa w teorii i zastosowaniach, Oficyna Wydawnicza SGH, Warszawa.
  • Schwarz G., 1978, Estimating the dimension of a model, Annals of Statistics, vol. 6, no. 2, s. 461-464.
  • Stawicki J., 2004, Wykorzystanie łańcuchów Markowa w analizie rynku kapitałowego, Wydawnictwo Uniwersytetu Mikołaja Kopernika, Toruń.
  • Vermunt J.K., 2010, Longitudinal research using mixture models, [w:] K. van Montfort, J.H.L. Oud, A. Satorra (red.), Longitudinal Research with Latent Variables, Springer, Berlin-Heidelberg, s. 119-152.
  • Vermunt J.K., Langeheine R., Böckenholt U., 1999, Discrete-time discrete-state latent Markov models with time-constant and time-varying covariates, Journal of Educational and Behavioral Statistics, vol. 24, no. 1, s. 178-205.
  • Wiggins L.M., 1955, Mathematical Models for the Analysis of Multiwave Panels, Ph.D. Dissertation, Columbia University, Ann Arbor, MI.
  • Wiggins L.M., 1973, Panel Analysis: Latent Probability Models for Attitude and Behaviour Processes, Elsevier, Amsterdam
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171437810

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.