Badanie dynamiki ubóstwa gospodarstw domowych z wykorzystaniem wybranych modeli analizy historii zdarzeń

• Autorzy: Anna Sączewska-Piotrowska

Warianty tytułu

Study of poverty dynamics of households using selected event history analysis models

• Języki publikacji: PL

Abstrakty

Celem artykułu jest identyfikacja czynników zwiększających i zmniejszających szanse wejścia do sfery ubóstwa i wyjścia z niej. W analizie zastosowano modele analizy historii zdarzeń - semiparametryczny model Coxa oraz modele o czasie dyskretnym (logitowy oraz komplementarny logistyczno-logistyczny). W modelach uwzględniono następujące zmienne objaśniające: płeć, wiek i wykształcenie głowy gospodarstwa domowego, klasę miejscowości zamieszkania, grupę społeczno-ekonomiczną oraz status gospodarstwa domowego na rynku pracy. Analiza została poszerzona o opisową analizę czasu przeżycia w sferze ubóstwa oraz czasu przeżycia poza sferą ubóstwa z wykorzystaniem estymatora Kaplana-Meiera. Prawdopodobieństwo przeżycia w sferze ubóstwa przez długi czas jest mniejsze niż prawdopodobieństwo przeżycia poza tą sferą. Gospodarstwa domowe utrzymujące się z niezarobkowych źródeł są w najgorszej sytuacji ekonomicznej, ponieważ mają małe szanse na wyjście ze sfery ubóstwa oraz duże szanse na wejście do niej. (abstrakt oryginalny)

EN

The aim of this paper is to identify factors increasing and decreasing chances to poverty entry and to poverty exit. There are used event history models: semiparametric Cox model and discrete-time models (logit and complementary log-log). In the models there are included covariates: gender, age and education of household's head, class of locality, socio-economic group and labour force status of the household. The analysis is extended by descriptive analysis of survival time in poverty and out of poverty for all households using Kaplan - Meier estimator. The probability of survival for a long time in poverty is less than in the case of survival out of poverty. Households living on unearned sources are in the worst economic situation, because they have small odds to exit from poverty and high odds to enter to poverty. (original abstract)

Słowa kluczowe

PL

Gospodarstwa domowe; Ubóstwo; Model logitowy; Estymator Kaplana-Meiera

EN

Households; Poverty; Logit model; Kaplan-Meier estimator

• Czasopismo: Roczniki Kolegium Analiz Ekonomicznych / Szkoła Główna Handlowa
• Rocznik: 2016
• Numer: nr 41
• Strony: 29--45

Twórcy

autor

Anna Sączewska-Piotrowska

• Uniwersytet Ekonomiczny w Katowicach

Bibliografia

• Allison P. D., Survival analysis, w: The reviewer's guide to quantitative methods in the social sciences, red. G. R. Hancock, R. O. Mueller, Routlege, New York 2010, s. 413-425.
• Andriopoulou E., Tsakloglou P., The determinants of poverty transitions in Europe and the role of duration dependence, IZA Discussion Paper no. 5692, 2011.
• Bane M. J., Ellwood D. T., Slipping into and out of poverty: the dynamics of spell, "The Journal of Human Resources" 1986, vol. 21, no. 1, s. 1-23.
• Bieszk-Stolorz B., Markowicz I., Modele regresji Coxa w analizie bezrobocia, CeDeWu,Warszawa 2012.
• Biewen M., Who are the chronic poor? An econometric analysis of chronic poverty in Germany, "Research on Economic Inequality" 2006, vol. 13, no. 1, s. 31-62.
• Biewen M., Who are the chronic poor? Evidence on the extent and the composition of chronic poverty in Germany, IZA Discussion Paper no. 779, 2003.
• Collett D., Modelling survival data in medical research, Chapman and Hall/CRC, Boca-Raton 2004.
• Cox D. R., Partial likelihood, "Biometrika" 1975, vol. 62, s. 269-276.
• Cox D. R., Regression models and life tables, "Journal of the Royal Statistical Society" 1972, vol. 34, s. 187-220.
• Devicienti F., Poverty persistence in Britain: a multivariate analysis using the BHPS, 1991-1997, "Journal of Economics" 2002, vol. 9, no. 1, s. 307-340.
• Frątczak E., Gach-Ciepiela U., Babiker H., Analiza historii zdarzeń, Oficyna Wydawnicza SGH, Warszawa 2005.
• Hosmer D. W., Lemeshow S., May S., Applied survival analysis. Regression modeling of time-to-event data, John Wiley & Sons Inc., Hoboken 2008.
• Kaplan E. L., Meier P., Nonparametric estimation from incomplete observations, "Journal of the American Statistical Association" 1958, vol. 53, s. 457-481.
• Mills M., Survival and event history analysis, Sage Publications, Los Angeles-London-New Dehli-Singapore-Washington 2011.
• Nehrebecka N., Analiza ubóstwa w Polsce w latach 1997-2000 z wykorzystaniem modeli hazardu, "Ekonomista" 2010, nr 1, s. 95-116.
• Panek T., Ubóstwo, wykluczenie społeczne i nierówności. Teoria i praktyka pomiaru, Oficyna Wydawnicza SGH, Warszawa 2011.
• Sączewska-Piotrowska A., Analysis of poverty transitions in Poland using multilevel discrete-time event history models, w: Applications of Mathematics and Statistic in Economics, red. Z. Rusnak, B. Zmyślona, Proceedings of the 17th AMSE, Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu, Wrocław 2014, s. 219-228.
• Sączewska-Piotrowska A., Poverty duration of households of the self-employed, "Ekonometria"2015, nr 1 (47), s. 44-55.
• Stevens A. H., Climbing out of poverty, falling back in: measurnig the persistence of poverty over multiple spells, "Journal of Human Resources" 1999, vol. 34, no. 3, s. 557-588.
• Więckowska B., Podręcznik użytkownika - PQStat, PQStat Software, 2015.
• Diagnoza społeczna: zintegrowana baza danych, Rada Monitoringu Społecznego, 2015, http://www.diagnoza.com (odczyt: 28.12.2015).
• Steele F., Washbrook E., Discrete-time event history analysis. Lectures, Centre for Multilevel Modelling, University of Bristol, 2013, http://www.bristol.ac.uk/media- -library/sites/cmm/migrated/documents/discrete-time-eha-july2013-combined.pdf (odczyt: 15.06.2015).