Statystyka małych obszarów a zarządzanie jakością

• Autorzy: Jan Kordos

Warianty tytułu

Small Area Statistics and Quality Management

• Języki publikacji: PL

Abstrakty

EN

The author begins with a discussion of the main factors affecting the efficiency of decision-making, and in particular the quality of the information used, the models applied and the knowledge of decision-makers in the field of the implementation. First, the acronym GIGO ("garbage in garbage out") used in computer science is considered , expressing the impact of the relationship between the quality of the information used in the model, and their outcome, and then the Box aphorism about the usefulness of models ("All models are wrong but some are useful") is discussed. Particular attention is paid to the statistics of small areas, discussing their sources, sizes, and mainly their quality, giving the current definition of data quality. Next, the author presents development of estimation methods for small areas, apart from mathematical formulas and limited to the presentation of some flowcharts. He discusses the role of small area statistics in quality management because of their growing importance, focusing on the evaluation of their quality, which is of particular importance when making decisions. In conclusion the importance of simple solutions for understanding the results is emphasized. JEL Classification: C83(original abstract)

Słowa kluczowe

PL

Podejmowanie decyzji; Zarządzanie jakością; Statystyka; Informacja

EN

Decision making; Quality management; Statistics; Information

• Czasopismo: Zarządzanie. Teoria i Praktyka / Wyższa Szkoła Menedżerska w Warszawie
• Rocznik: 2016
• Numer: nr 1 (15)
• Strony: 25--34

Twórcy

autor

Jan Kordos

• Wyższa Szkoła Menedżerska w Warszawie

Bibliografia

• 1. ABS (2006): Australian Bureau of Statistics, A Guide to Small Area Estimation - Version 1.1. Internal ABS document.
• 2. Baesens B. (2007), It's the data, you stupid!, Data News .
• 3. Baesens B. (2014), Analytics in a Big Data World: The Essential Guide to Data Science and its Applications, Wiley and SAS Business Series.
• 4. Box G.E.P. (1976) Science and Statistics Journal of the American Statistical Association, Vol. 71, No. 356, 791-799.
• 5. Bracha Cz. (1994): Metodologiczne aspekty badania małych obszarów. Z prac Zakładu Badań Statystyczno-Ekonomicznych , z. 43.
• 6. Bracha Cz. (1996), Teoretyczne podstawy badań reprezentacyjnych, PWN, Warszawa.
• 7. Bracha Cz.,(2003), Estymacja danych z Badania Aktywności Ekonomicznej Ludności na poziomie powiatów dla lat 1995-2002, GUS, Warszawa.
• 8. Bracha Cz., Lednicki B., Wieczorkowski, R., (2003), Estymacja danych z Badania Efektywności Ekonomicznej Ludności wg powiatów w latach 1995-2002, Główny Urząd Statystyczny, Warszawa.
• 9. Bracha Cz., Lednicki B., Wieczorkowski R. (2004), Wykorzystanie złożonych metod estymacji do dezagregacji danych z Badania Aktywności Ekonomicznej Ludności w roku 2003, Studia i Prace - Z prac Zakładu Badań Statystyczno-Ekonomicznych GUS i PAN, z. 299, Warszawa.
• 10. Domański Cz., Pruska, K. (1996), Reprezentatywność próby w statystyce małych obszarów, Wiadomości Statystyczne, nr 5, 11-16.
• 11. Domański Cz., Pruska K. (1997), Prognozowanie w przedsiębiorstwie z wykorzystaniem statystyki małych obszarów, [w:]: M. Cieślak (red), Prognozowanie w zarządzaniu firmą, Materiały konferencyjne, Akademia Ekonomiczna, Wrocław, 49-56.
• 12. Domański Cz., Pruska K. (2001), Metody statystyki małych obszarów, Wydawnictwo Uniwersytetu Łódzkiego, Łódź, 216 str.
• 13. Gołata E. (1996), Statystyka małych obszarów w analizie rynku, Wiadomości Statystyczne, nr 3, 45-59.
• 14. Gołata E. (2004), Estymacja pośrednia bezrobocia na lokalnym rynku pracy, Wydawnictwo Akademii Ekonomicznej, Poznań (praca habilitacyjna).
• 15. Gołata E. (2012), Data integration and small domain estimation in Poland - experiences and problems. Statistics in Transition - new series, 13,(1), 107-142.
• 16. Gołata E. (2015), SAE education challenges to academic and NSI, Statistics in Transition new series and Survey Methodology, Vol. 16, Nr 4, s. 611- 630.
• 17. Kalton G., Kordos, J., Platek, R. (1993). Small Area Statistics and Survey Designs, Vol. I: Invited Papers; Vol. II: Contributed Papers and Panel Discussion. Central Statistical Office, Warsaw.
• 18. Kordos J. (1959). Szacunek rozkładu ludności według grup zamożności, Wiadomości Statystyczne, nr 3.
• 19. Kordos J. (1960). Próba określenia dokładności szacunków, Wiadomości Statystyczne, 3.
• 20. Kordos J. (1963). Rozkład ludności pozarolniczej według wysokości dochodów na osobę w 1960 r. "Biuletyn Komitetu Przestrzennego Zagospodarowania Kraju PAN, 8.
• 21. Kordos J. (1988). Jakość danych statystycznych, PWE, Warszawa.
• 22. Kordos J. (1991). Statystyka małych obszarów a badania reprezentacyjne, Wiadomości Statystyczne, 4, 1-5.
• 23. Kordos J. (1992). Podejście do statystyki małych obszarów w Polsce, Wiadomości Statystyczne, 10, 1-5.
• 24. Kordos J. (1997). Efektywne wykorzystanie statystyki małych obszarów, Wiadomości Statystyczne, 1, 11-19.
• 25. Kordos J. (1999). Problemy estymacji danych dla małych obszarów, Wiadomości Statystyczne, 1, 85-101.
• 26. Kordos J. (2001). Nowy projekt zastosowania estymacji dla małych obszarów, Wiadomości Statystyczne, 8, 1-10.
• 27. Kordos J. (2004). Metody estymacji dla małych obszarów w badaniach procesów społeczno-ekonomicznych. Roczniki Kolegium Analiz Ekonomicznych, Szkoła Główna Handlowa, 13, Warszawa, 11- 29.
• 28. Kordos J. (2005). Some Aspects of Small Area Estimation and Data Quality, Statistics in Transition, 7, 63-83.
• 29. Kordos J. (2016). Development of Small Area Estimation in Official Statistics, Statistics in Transition new series and Survey Methodology, 17, 1, 105-132.
• 30. Kubacki J. (1997). Ważniejsze metody estymacji w statystyce małych obszarów, Wiadomości Statystyczne, 5, 13-21.
• 31. Kubacki J. (2004). Application of the Hierarchical Bayes Estimation to the Polish Labour Force Survey, Statistics in Transition, 6, 5:785-796.
• 32. Kubacki J. (2006). Remarks on Using the Polish LFS Data for Unemployment Estimation by County, Statistics in Transition, 7, 4: 901-916.
• 33. Paradysz J. (1998). Small Area Statistics in Poland - First Experiences and Application Possibilities, Statistics in Transition , 3, 5: 1003-1015.
• 34. Paradysz J. (2012). Statystyka regionalna: stan, problemy i kierunki rozwoju, Przegląd Statystyczny, 2: 191-204.
• 35. Platek R., Rao, J. N. K. Särndal, C. E., Singh, M. P. (Eds.), (1987). Small Area Statistics, John Wiley & Sons, New York.
• 36. Szarkowski A, Witkowski, J. (1994). The Polish Labour Force Survey, Statistics in Transition, 1, 4: 467-483.
• 37. Witkowski J. (1992). Szacowanie bezrobocia dla małych obszarów, Wiadomości Statystyczne, 11: 1-5.
• 38. Zasępa R. (1972). Metoda reprezentacyjna, PWE, Warszawa.
• 39. Żądło T. (2004). On mean Square Error of Synthetic Regression Estimator, Acta Iniversitis Lodziensis, Folia Oeconomica, 1005: 73-90.
• 40. Żądło T. (2012). O predykcji wartości globalnej w domenie z wykorzystaniem informacji o zmiennych dodatkowych przy założeniu modelu Faya-Herriota, Acta Iniversitis Lodziensis, Folia Oeconomica, 271, 243-256.
• 41. Żądło T. (2015). Statystyka małych obszarów w badaniach ekonomicznych - podejście modelowe i mieszane, Wyd. Uniwersytetu Ekonomicznego w Katowicach.