Charakterystyka i przykłady zastosowań liniowych funkcji dyskryminacyjnych w badaniach ekonomicznych

• Autorzy: Bartłomiej Jefmański

Warianty tytułu

Linear Discriminant Functions - Characterisation and Applications in Economy

• Języki publikacji: PL

Abstrakty

Analiza dyskryminacyjna została po raz pierwszy zastosowana w Stanach Zjednoczonych - w biologii i psychologii. Nieco później wykorzystano ją w zarządzaniu finansami. Najbardziej znanym zastosowaniem owej analizy w ekonomii jest niewątpliwie model Altmana. Celem poszukiwań Altmana było znalezienie narzędzia pozwalającego klasyfikować spółki na wypłacalne oraz takie, które w przyszłości upadną. Należy jednak pamiętać, iż nie jest to jedyne z możliwych zastosowań omawianej metody. W literaturze przedmiotu można odnaleźć również inne możliwości wykorzystania analizy dyskryminacyjnej. Także inne dziedziny nauki bazują na tej metodzie. Celem niniejszego opracowania jest prezentacja przykładów zastosowań liniowych funkcji dyskryminacyjnych do opisu zjawisk i problemów natury ekonomicznej. Zagadnienie dyskryminacji dotyczyć będzie przypadku dwóch grup (klas) obiektów. (fragment tekstu)

EN

Discriminant function analysis is used to classify cases into the values of a categorical dependent. In case of the two - group case, discriminant function analysis can be thought as Fisher linear discriminant analysis. The article presents the utility of this method in different economic research. (original abstract)

Słowa kluczowe

PL

Analiza dyskryminacyjna; Badania społeczno-ekonomiczne

EN

Discriminant analysis; Socio-economic research

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Ekonometria
• Rocznik: 2003
• Tom: 12
• Numer: nr 1002 Zastosowania metod ilościowych
• Strony: 153--160

Twórcy

autor

Bartłomiej Jefmański

Bibliografia

• Aczel A.D., Statystyka w zarządzaniu, Wydawnictwo Naukowe PWN, Warszawa 2000.
• Churchill G.A., Badania marketingowe. Podstawy metodologiczne, Wydawnictwo Naukowe PWN, Warszawa 2002.
• Ekonometria. Metody, przykłady, zadania, red. J. Dziechciarz, AE, Wrocław 2002.
• Grabiński Т., Metody taksonometrii, AE, Kraków 1992.
• Hadasik D., Upadłość przedsiębiorstw w Polsce i metody jej prognozowania, "Zeszyty Naukowe AE w Poznaniu", seria II, Prace habilitacyjne, z. 153, AE, Poznań 1998. Hair J.F., Anderson R.E., Tatham R.L., Black W.C., Multivariate Data Analysis with Readings, Prentice-Hall, Englewood Cliffs 1995.
• Jajuga K., Statystyczna teoria rozpoznawania obrazów, Państwowe Wydawnictwo Naukowe, Warszawa 1990.
• Kolonko J., Analiza dyskryminacyjna i jej zastosowania w ekonomii, Państwowe Wydawnictwo Naukowe, Warszawa 1980.
• Lasek М., Data Mining. Zastosowania w analizach i ocenach klientów bankowych, Biblioteka Menedżera i Bankowca, Warszawa 2002.
• Lattin J., Carroll J.D., Green P.E., Analyzing Multivariate Data, Thomson Learnings, Inc., Toronto 2003.
• Malhotra N., Birks D., Marketing Research. An Applied Approach, Pearson Education, Harlow 1999.
• Rozin B.B., Teoria rozpoznawania obrazów w badaniach ekonomicznych, Państwowe Wydawnictwo Naukowe, Warszawa 1979.
• Rószkiewicz М., Metody ilościowe w badaniach marketingowych, Wydawnictwo Naukowe PWN, Warszawa 2002.
• Tarczyński W., Rynki kapitałowe. Metody ilościowe, Placet, Warszawa 1997.
• Walesiak М., Metody analizy danych marketingowych, Wydawnictwo Naukowe PWN, Warszawa 1996.
• Witkowska D., Sztuczne sieci neuronowe i metody statystyczne. Wybrane zagadnienia finansowe, Wydawnictwo C.H. Beck, Warszawa 2002.
• Współczesny bank, red. W.L. Jaworski, Poltext, Warszawa 1998.