PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2016 | nr 427 Taksonomia 27. Klasyfikacja i analiza danych - teoria i zastosowania | 235--242
Tytuł artykułu

Zastosowanie modeli klas ukrytych w badaniu opinii respondentów na temat roli państwa w gospodarce

Treść / Zawartość
Warianty tytułu
Implementation of Latent Class Models in The Respondents' Survey on The Role of The Country In Economy
Języki publikacji
PL
Abstrakty
Celem artykułu jest przedstawienie wyników badania opinii respondentów na temat roli państwa w gospodarce na przykładzie Polski poprzez: wskazanie koncepcji dominujących (socjalizmu, interwencjonizmu, liberalizmu, keynesizmu), segmentację respondentów oraz ocenę istotności wpływu cech respondentów na przynależność do poszczególnych klas. Analizą objęto 991 respondentów, zgromadzono 11 892 obserwacji 12 zmiennych obserwowanych mierzonych na skali dychotomicznej. W analizie wykorzystano modele klas ukrytych oraz modele regresji klas ukrytych, a ich estymację przeprowadzono za pomocą pakietu poLCA oraz programu R. Na tej podstawie sformułowano wnioski: w świetle przyjętych kryteriów informacyjnych najlepiej dopasowanym modelem do danych empirycznych jest podział na 4 klasy: 1 - 31%, 2 - 26%, 3 - 6%, 4 - 37%; w klasie 1 i 2 dominuje przekonanie, że państwo powinno pełnić rolę państwa opiekuńczego m.in. poprzez rozbudowę systemu socjalnego (socjalizm) i tworzenie nowych przedsiębiorstw państwowych (keynesizm); respondenci z klasy 3 opowiadają się za gospodarką liberalną; a w klasie 4 dominują respondenci "niezdecydowani"; żadna ze zmiennych towarzyszących nie wywiera istotnego wpływu na przynależność respondentów do poszczególnych klas(abstrakt oryginalny)
EN
The aim of the article is to present the respondents' opinion survey on the role of the country in the economy with regard to Poland by: indicating the dominant concepts (socialism, interventionism, liberalism and Keynesianism), respondents' segmentation, characteristics influence on belonging to classes. Gathering of empirical data on the basis of the conducted survey was subcontracted to ResearchOnline company. Subjective scope covered 991 respondents, while the objetive one - 11 892 observations of 12 variables of the observed set measured on dichotomous scale. Models of latent class models and models of latent class regression were used. The estimation was conducted by means of poLCA package and the R project. The conclusions were given: in the light of the informational criteria the most adequate model is a division of the surveyed group into 4 classes according to their contribution: 1-31%, 2-26%, 3-6%, 4-37%; in the class 1, 2 dominates the conviction that the state should play the role of the welfare state by means ofincreasing the minimum wage and extension of the social system (socialism) as well as creating new national companies (Keynesianism); class 3 respondents support the idea of liberal economy; class 4 is dominated by "undecided" respondents; none of the covariates significantly influences on the respondents' belonging to particular classes(original abstract)
Twórcy
  • Uniwersytet Ekonomiczny we Wrocławiu
Bibliografia
  • Agresti A., 2002, Categorical Data Analysis, John Wiley & Sons, Hoboken, NJ.
  • Agresti A., Lang J.B., 1993, Quasi-symmetric latent class models with application to rater agreement, Biometrics, vol. 49, no. 1, s. 131-139.
  • Bartkowiak R., 2008, Historia myśli ekonomicznej, PWE, Warszawa.
  • Bąk A., 2013, Mikroekonometryczne metody badania preferencji konsumentów z wykorzystaniem programu R, C.H. Beck, Warszawa.
  • Cameron A.C., Trivedi P.K., 2005, Microeconometrics. Methods and Applications, Cambridge University Press, New York.
  • Dayton C.M., Macready G.B., 1988, Concomitant variable latent class models, Journal of the American Statistical Association, vol. 83, no. 401, s. 173-178.
  • Everitt B.S., Dunn G., 2001, Applied Multivariate Data Analysis, Arnold, London.
  • Formann A.K., 2003, Latent class model diagnosis from a frequentist point of view, Biometrics, vol. 59, no. 1, s. 189-196.
  • Garrett E.S., Zeger S.L., 2000, Latent class model diagnosis, Biometrics, vol. 56, no. 4, s. 1055-1067.
  • Gatnar E., Walesiak M. (red.), 2011, Analiza danych jakościowych i symbolicznych z wykorzystaniem programu R, C.H. Beck, Warszawa.
  • Goodman L., 1970, Multivariate analysis of qualitative data: Interactions among multiple classification, Journal of the American Statistical Association, vol. 65, no. 329, s. 226-256.
  • Gruszczyński M., 2012, Mikroekonometria. Modele i metody analizy danych indywidualnych, Wolters Kluwer Polska, Warszawa.
  • Gupta S., Jain D.C., Sawhney M.S., 1999, Modeling in the evolution of markets with indirect network externalities: An application to digital television, Marketing Science, vol. 18, no. 3, Special Issue on Managerial Decision Making, s. 396-416.
  • Hagenaars A.J., 1993, Loglinear models with latent variables, Sage, Newbury Park, CA.
  • Hagenaars A.J., McCutcheon A.L., 2002, Applied Latent Class Analysis, Cambridge University Press, Cambridge.
  • Linzer D., Lewis J., 2011, poLCA: An R Package for polytomous variable latent class analysis, Journal of Statistical Software, vol. 10, no. 42, s. 1-29.
  • Linzer D., Lewis J., 2015, Package poLCA - Polytomous Variable Latent Class Analysis, https://cran.r-project.org/ (8.09.2015).
  • Nawojczyk M., 2002, Przewodnik po statystyce dla socjologów, SPSS, Kraków.
  • Reboussin B.A., Ip E.H., Wolfson M., 2008, Locally dependent latent class models with covariates: An application to under-age drinking in the USA, Journal of the Royal Statistical Society. Series A Statistics in Society, vol. 171, no. 4, s. 877-897.
  • Vermunt J.K., 2010, Latent class modeling with covariates: Two improved three-step approaches, Political Analysis, no. 18, no. 4, s. 450-469.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171438404

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.