A Spatial and Temporal analysis of Labour Market Characteristics

• Autorzy: Ewa Pośpiech , Adrianna Mastalerz-Kodzis
• Języki publikacji: EN

Abstrakty

EN

The use of spatial methods is becoming increasingly common in social and economic research as it emphasizes the relevance of spatiality to the understanding of socio-economic facts. Once embraced, the spatial factor can substantially help explain variations in the properties being examined, thus improving the quality of their description and supporting the development of econometric models. This paper explores some of the characteristics of Poland's job market, making an inquiry into their spatial dependencies. The study looks at the country's labour market from a local perspective, examining its properties for spatial autocorrelation (both global and local). Linear econometric models are subsequently built for such variables as the number of persons in employment, the number of women and men in employment. The models are further investigated to assess the applicability of spatial modelling in their development.(original abstract)

Słowa kluczowe

EN

Spatial autocorrelation; Statistics; Labour market; Econometric models

PL

Autokorelacja przestrzenna; Statystyka; Rynek pracy; Modele ekonometryczne

• Czasopismo: Folia Oeconomica Stetinensia
• Rocznik: 2016
• Numer: vol. 16, iss. 2
• Strony: 60--71

Twórcy

autor

Ewa Pośpiech

• University of Economics in Katowice, Poland

autor

Adrianna Mastalerz-Kodzis

• University of Economics in Katowice, Poland

Bibliografia

• Anselin, L. (1995). Local Indicators of Spatial Association - LISA. Geographical Analysis, 27 (2), 93-115. DOI: 10.1111/j.1538-4632.1995.tb00338.x.
• Anselin, L. (2010). Thirty years of spatial econometrics. Papers in Regional Science, 89 (1), 3-25. DOI: 10.1111/j.1435-5957.2010.00279.x.
• Cliff, A.D., Ord, J.K. (1973). Spatial Autocorrelation. London: Pion.
• Kopczewska, K. (2011). Ekonometria i statystyka przestrzenna z wykorzystaniem programu R Cran. Warszawa: CeDeWu.
• Kopczewska, K., Kopczewski, T., Wójcik, P. (2013). Metody ilościowe w R. Aplikacje ekonomiczne i finansowe. Warszawa: CeDeWu.pl.
• Marciniak, S. (ed.) (2013). Makro- i mikroekonomia. Podstawowe problemy współczesności. Warszawa: Wydawnictwo Naukowe PWN.
• Overmars, K.P., de Koning, G.H.J., Veldkamp, A. (2003). Spatial autocorrelation in multiscale land use models. Ecological Modelling, 164, 257-270. DOI: 10.1016/S0304- 3800(03)00070-X.
• Paelinck, J.H.P., Klaassen, L.H. (1979). Spatial Econometrics. Farnborough: Salon House.
• Pietrzykowski, R. (2011). Wykorzystanie metod statystycznej analizy przestrzennej w badaniach ekonomicznych. Roczniki Ekonomiczne Kujawsko-Pomorskiej Szkoły Wyższej w Bydgoszczy, 4, 97-112.
• Pośpiech, E. (2015). Analiza przestrzenna bezrobocia w Polsce. Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach, 227, 59-74.
• Pośpiech, E., Mastalerz-Kodzis, A. (2015). Autokorelacja przestrzenna wybranych charakterystyk społeczno-ekonomicznych. Metody ilościowe w badaniach ekonomicznych, 16 (4), 85-94.
• Sikora, J., Woźniak, A. (2007). Autokorelacja przestrzenna wskaźników infrastruktury wodnościekowej woj. małopolskiego. Infrastruktura i ekologia terenów wiejskich, 4 (2), 315-329.
• Suchecki, B. (ed.) (2010). Ekonometria przestrzenna. Metody i modele analizy danych przestrzennych. Warszawa: C.H. Beck.
• Tobler, W. (1970). A Computer Model Simulating Urban Growth in Detroit Region. Economic Geography, 46 (2), 234-240.
• Zeug-Żebro, K. (2014). Analiza przestrzenna procesu starzenia się polskiego społeczeństwa. Studia i Prace Wydziału Nauk Ekonomicznych i Zarządzania, 36 (2), 441-456.
• Data base: Główny Urząd Statystyczny, Bank Danych Lokalnych [Central Statistical Office, Local Data Bank]. Available at: http://www.stat.gov.pl (accessed Aug 25, 2015).

Identyfikatory

DOI

10.1515/foli-2016-0025