Clusters of Poverty in Poland

• Autorzy: Anna Sączewska-Piotrowska

Warianty tytułu

Klastry ubóstwa Polsce

• Języki publikacji: EN

Abstrakty

EN

The main objective of this paper is to study spatial autocorrelation of poverty in Poland using the synthetic measure. The analysis will be conducted on the level of subregions. Spatial analysis of the data has allowed to evaluate the overall similarity of subregions in Poland in the field of poverty. There were separated groups of similar subregions and subregions differing from neighboring subregions. There were used global and local Moran statistics and traditional method without using information regarding localization of the synthetic measure(original abstract)

Głównym celem artykułu jest analiza przestrzennej autokorelacji ubóstwa w Polsce z użyciem miary syntetycznej. Analiza jest przeprowadzana na poziomie podregionów. Analiza przestrzenna pozwoliła ocenić ogólne podobieństwo podregionów w Polsce ze względu na poziom ubóstwa w Polsce. Wyróżniono grupy podobnych podregionów i regionów różniących się od sąsiadów. W analizie zastosowano globalną i lokalną statystykę Morana oraz tradycyjną metodę, nie wykorzystującą informacji o lokalizacji zmiennej syntetycznej(abstrakt oryginalny)

Słowa kluczowe

EN

Poverty; Region; Business cluster

PL

Ubóstwo; Region; Klastry

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu
• Rocznik: 2016
• Numer: nr 435 Quality of Life. Human and Ecosystem Well-being
• Strony: 69--83

Twórcy

autor

Anna Sączewska-Piotrowska

• University of Economics in Katowice, Poland

Bibliografia

• Anselin L., 1995, Local indicators of spatial association - LISA, "Geographical Analysis", no. 27(2), pp. 93-115.
• Anselin L., 2005, Spatial regression analysis in R. A workbook, Center for Spatiallly Integrated Social Science, https://geodacenter.asu.edu/system/files/rex1.pdf (15.08.2015).
• Anselin L., Bao S., 1997, Exploratory Spatial Data Analysis Linking SpaceStat and ArcView, [in:] Recent Developments in Spatial Analysis. Spatial Statistics, Behavioral Modelling and Computational Intelligence, Fischer M.M., Getis A. (eds.), Springer-Verlag, Berlin, pp. 35-59.
• Anselin L., Murray A.T., Rey S.J., 2013, Spatial Analysis, [in:] The Oxford Handbook of Quantitative Methods. Vol. 2. Statistical Analysis, Little T.D. (ed.), Oxford University Press, New York, pp. 154-174.
• Atkinson T., Cantillon B., Marlier E., Nolan B., 2002, Social Indicators. The EU and Social Inclusion, Oxford University Press, New York.
• Bivand R., 2015a, Maptools. Tools for reading and handling spatial objects, R package, Version 0.8-36, https://cran.r-project.org/web/packages/maptools/.
• Bivand R., 2015b, Spdep. Spatial dependence: weighting schemes, statistics and models, R package, Version 0.5-88, https://cran.r-project.org/web/packages/spdep/.
• Hagenaars A.J.M., de Vos K., 1988, The definition and measurement of poverty, The Journal of Human Resources, no. 23 (2), pp. 211-221.
• Hagenaars A.J.M., de Vos K., Zaidi M.A., 1994, Poverty Statistics in the Late 1980s: Research Based on Micro-data, Office for Official Publications of the European Communities, Luxembourg.
• Hagenaars A.J.M., van Praag B.M.S., 1985, A synthesis of poverty line definitions, "Review of Income and Wealth", no. 31 (2), pp. 139-154.
• Hellwig Z., 1968, Zastosowanie metody taksonomicznej do typologicznego podziału krajów ze względu na poziom ich rozwoju oraz zasoby i strukturę wykwalifikowanych kadr, "Przegląd Statystyczny", vol. 4, pp. 307-327.
• http://ec.europa.eu/eurostat/web/gisco/geodata/reference-data/administrative-units-statistical-units(11.06.2015).
• Kopczewska K., 2011, Ekonometria i statystyka przestrzenna z wykorzystaniem programu R Cran, CeDeWu, Warszawa.
• Laeken indicators - detailed calculation methodology, 2003, DOC, E2/IPSE/2003, Eurostat.
• Nowak E., 1990, Metody taksonomiczne w klasyfikacji obiektów społeczno-gospodarczych, PWE, Warszawa.
• Ojrzyńska A., Twaróg S., 2011, Badanie autokorelacji przestrzennej krwiodawstwa w Polsce, Acta Universitatis Lodziensis, Folia Oeconomica 253, pp. 129-141.
• Panek T., 2011, Ubóstwo, wykluczenie społeczne i nierówności. Teoria i praktyka pomiaru, SGH, Warszawa.
• Pietrzykowski R., 2011, Przestrzenne zróżnicowanie cen ziemi rolniczej na poziomie województw w Polsce, Zeszyty Naukowe SGGW, Seria: Problemy Rolnictwa Światowego, 11(26), pp. 140-149.
• R Development Core Team, 2015, R: a language and environment for statistical computing, R Foundation for Statistical Computing, Vienna, URL http://www.R-project.or
• Rusnak Z., 2007, Statystyczna analiza dobrobytu ekonomicznego gospodarstw domowych, AE, Wrocław.
• Social Monitoring Council, 2013, Social Diagnosis 2000-2013: integrated database, http://www.diagnoza.com (29.10.2014).
• Szubert T., 2014, Diversity of life values of Poles - spatial and dynamic recognition, Acta Universitatis Lodziensis, Folia Oeconomica 5(307), pp. 117-131.
• Wolny-Dominiak A., Zeug-Żebro K., 2012, Spatial statistics in the analysis of country budget incomes in Poland with R CRAN, Proceedings of 30th International Conference Mathematical Methods in Economics, pp. 992-997.

Identyfikatory

DOI

10.15611/pn.2016.435.04