Warianty tytułu
Using the Spatial Autocorrelation Method to Analyse Poverty in Rural Areas
Języki publikacji
Abstrakty
Celem artykułu jest prezentacja metody autokorelacji przestrzennej (LISA) do określenia stopnia koncentracji, czyli lokalnych powiązań przestrzennych występowania ubóstwa na obszarach wiejskich. Do analizy wzięto pod uwagę wskaźniki dotyczące osób żyjących poniżej kryterium dochodowego i korzystających z pomocy społecznej w latach 2009 i 2013 na podstawie publikacji GUS ,,Ubóstwo ekonomiczne w Polsce". Kryterium takie jest określane jako próg ubóstwa ustawowego, jednak jego miara nie oddaje w pełni skali tego zjawiska. Brak corocznej waloryzacji progów ubóstwa powoduje spadek koncentracji tego zjawiska na obszarach wiejskich, natomiast podwyżka progów kryterium dochodowego przyczynia się do wzrostu zasięgu występowania ubóstwa. (abstrakt oryginalny)
The aim of the article is to present the method of spatial autocorrelation (LISA) to determine the degree of concentration, i.e. local spatial relationships of poverty incidence in rural areas. Indicators concerning people living below the income criteria and benefiting from social assistance between 2009 and 2013 have been taken into account for the analysis on the basis of GUS publication Economic poverty in Poland. Such a criterion is defined as the statutory threshold of poverty, but the measure does not fully reflect the scale of this phenomenon. No annual indexation of the thresholds of poverty causes a decrease in the concentration of this phenomenon in rural areas, and increase the income threshold criterion contributes to the range of incidence of poverty. (original abstract)
Twórcy
autor
- Uniwersytet im. Adama Mickiewicza w Poznaniu
autor
- Uniwersytet im. Adama Mickiewicza w Poznaniu
Bibliografia
- Anselin, L. (1988). Spatial Econometrics: Methods and Models, Kluwer, Dordrecht.
- Anselin, L. (1995). Local Indicators of Spatial Association-LISA. Geographical Analysis, No. 27, s. 93-115.
- Bivand, R. (1980). Autokorelacja przestrzenna a metody analizy statystycznej w geografii. W: Z. Chojnicki (red.), Analiza regresji w geografii, PWN, Poznań, s. 23-38.
- Cliff, A.D., Ord, J.K. (1973). Spatial autocorrelation, Pion, London.
- Deutsch, J., Silber, J. (2005). Measuring multidimensional poverty: An empirical comparison of various approaches. Review of Income and Wealth, Vol. 51, No. 1, s. 145-174.
- Getis, A. (2007), Reflections on spatial autocorrelation. Regional Science and Urban Economics, No. 37, s. 491-496.
- Griffith, D.A. (2003). Spatial Autocorrelation and Spatial Filtering, Springer, Berlin-Heidelberg.
- GUS (2014). Ubóstwo ekonomiczne w Polsce w 2013 r.
- Kossowski, T. (2009). Metody i modele ekonometrii przestrzennej. W: Z. Zwoliński (red.), GIS platforma integracyjna geografii, Bogucki Wydawnictwo Naukowe, Poznań, s. 145-165.
- Moran, P.A.P. (1950). Notes on continuous stochastic phenomena. Biometrika, No. 37, s. 17- -23.
- Panek, T. (2009). Wskaźniki ubóstwa w ujęciu wielowymiarowym. Wiadomości Statystyczne, nr 12 (583), s. 1-20.
- Panek, T. (2014). Statystyka społeczna. PWE, Warszawa.
- Pollok, A. (2002). Metody analizy ekonomicznej zjawiska ubóstwa. Ruch Prawniczy, Ekonomiczny i Socjologiczny LXIV, z. 4, s. 149-171.
- Sen, A.K. (1992). Inequality reexamined. Clarendon Press, Oxford.
- Szarfenberg, R. (2007). Ubóstwo, marginalność i wykluczenie społeczne. W: G. Firlit-Fesnak, M. Szylko-Skoczny (red.), Polityka społeczna, PWN, Warszawa.
- Tobler, W. (1970). A computer movie simulating urban growth in the Detroit region. Economic Geography, Vol. 46, No. 2, s. 234-240.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171447744