Zastosowanie metody wagowo-korelacyjnej i modelowania miękkiego do analizy atrakcyjności inwestycyjnej powiatów w Polsce

• Autorzy: Hanna Godlewska-Majkowska , Dorota Perło

Warianty tytułu

Implementation of Weight-Correlative Method and Soft Modeling in Investment Attractiveness Analysis of Districts in Poland

• Języki publikacji: PL

Abstrakty

Celem artykułu jest analiza porównawcza wyników badania atrakcyjności inwestycyjnej powiatów w Polsce wykonanego za pomocą dwóch metod badawczych: wagowo-korelacyjnej i modelowania miękkiego. Postawiono hipotezę, że zastosowanie różnych sposobów wyznaczania miernika syntetycznego daje w przybliżeniu takie same wyniki klasyfikacji powiatów w Polsce pod względem atrakcyjności inwestycyjnej. Analizę porównawczą przeprowadzono na podstawie danych statystycznych z 2015 r., zagregowanych na poziomie 379 powiatów ziemskich i grodzkich. Artykuł składa się z dwóch kluczowych części: opisu metod badawczych ze wskazaniem ich zalet i wad, a także interpretacji otrzymanych wyników. Kluczowe znaczenie poznawcze posiada metoda wagowo-korelacyjna, na podstawie której zostały wyspecyfikowane zmienne diagnostyczne. Atrakcyjność inwestycyjną rozpatrywaną łącznie dla całej gospodarki regionalnej powinno opisywać możliwie dużo zmiennych diagnostycznych, odnoszących się do szerokiego spektrum rozwoju społeczno-gospodarczego. Czynniki te znajdują odzwierciedlenie w doborze 47 zmiennych, składających się na wskaźnik potencjalnej atrakcyjności inwestycyjnej regionów dla inwestycji w gospodarkę narodową (PAI2_GN). Składa się on z mikroklimatów: "zasoby pracy", "infrastruktura techniczna", "infrastruktura społeczna", "rynkowy", "administracja". Badania i analizy przeprowadzone za pomocą metody wagowo-korelacyjnej stanowiły podstawę do konstrukcji modelu miękkiego. Zastosowanie badanych metod pozwala na osiągnięcie licznych możliwości analitycznych w procesie zarządzania lokalizacją lub ich zbiorem. Dotyczy to monitorowania lokalizacji już wybranych, w których istnieje dane przedsiębiorstwo, w tym wielozakładowe o rozbudowanej strukturze przestrzennej. Umożliwia także rozpatrywanie przyszłych lokalizacji na tle istniejącego rozmieszczenia własnych firm, jak i konkurencji. (abstrakt oryginalny)

EN

The aim of the article is a comparative analysis of the research results of Polish districts' investment attractiveness conducted by means of two research methods: weight-correlative and soft modeling. It has been assumed that the implementation of various methods for determining the synthetic measure gives approximately the same results of the Polish districts' classification in terms of investment attractiveness. Comparative analysis was carried out on the basis of statistical data of 2015, aggregated at the level of 379 urban and rural districts. The article is composed of two key parts: description of research methods together with their pros and cons as well as interpretation of the obtained results. The key cognitive significance was given to the weight-correlative method, on the basis of which the diagnostic changes were specified. Investment attractiveness, considered jointly for the whole regional economy, should be described by a possibly vast number of diagnostic variables, pertaining to a wide spectrum of social and economic development. These factors are reflected in the selection of 47 variables, comprising the index of potential investment attractiveness of regions in terms of investment in the national economy (PAI2_GN). It is composed of microclimates: 'labour resources', 'technical infrastructure', 'social infrastructure', 'market', 'administration'. The research and analysis conducted with the use of the weight-correlative method constituted the basis for the construction of soft model. The implementation of the studied methods allows to achieve numerous analytical possibilities in the process of location management and their collection. It applies to monitoring the already selected locations, where the given enterprises exist, including the multi-plant ones with developed spatial structure. It also enables the consideration on the future locations against the background of the existing arrangement of own companies as well as the competition. (original abstract)

Słowa kluczowe

PL

Atrakcyjność inwestycyjna; Powiat; Syntetyczny miernik; Analiza porównawcza

EN

Investing attractiveness; County; Synthetic meter; Comparative analysis

• Czasopismo: Zarządzanie i Finanse
• Rocznik: 15 (2017)
• Numer: nr 3
• Strony: 187--214

Twórcy

autor

Hanna Godlewska-Majkowska

• Szkoła Główna Handlowa w Warszawie

autor

Dorota Perło

• Uniwersytet w Białymstoku

Bibliografia

• Atrakcyjność inwestycyjna i potencjał gospodarczy gmin województwa śląskiego. Raport końcowy (październik 2009), Urząd Marszałkowski Województwa Śląskiego, Katowice.
• Borys T., Walesiak M. (red.) (1983), Statystyczna analiza porównawcza, Wydawnictwo Akademii Ekonomicznej im. Oskara Langego we Wrocławiu, Wrocław.
• Durka B. (2000), Udział podmiotów z kapitałem zagranicznym w polskim handlu za-granicznym, w: B. Durka (red.), Inwestycje zagraniczne w Polsce, Instytut Koniunktur i Cen Handlu Zagranicznego, Warszawa.
• EBA Investment Attractiveness Index, http://www.eba.com.ua/en/press-and-media/press-room/indices/investment-attractiveness-index, dostęp: 25.09.2017.
• Godlewska-Majkowska H. (red.) (2012), Atrakcyjność inwestycyjna regionów Polski jako źródło przedsiębiorczych przewag konkurencyjnych, Oficyna Wydawnicza SGH, Warszawa.
• Godlewska-Majkowska H. (red.) (2010), Innowacyjność jako czynnik wzrostu atrakcyjności inwestycyjnej polskich regionów w latach 2002-2007, Studia i Analizy Instytutu Przedsiębiorstwa, Oficyna Wydawnicza SGH, Warszawa.
• Godlewska-Majkowska H. (red.) (2011), Atrakcyjność inwestycyjna a przedsiębiorczość regionalna w Polsce, Studia i Analizy Instytutu Przedsiębiorstwa, Oficyna Wydawnicza SGH, Warszawa.
• Godlewska-Majkowska H. (red.) (2012), Atrakcyjność inwestycyjna regionów Polski jako źródło przedsiębiorczych przewag konkurencyjnych, Studia i Analizy Instytutu Przedsiębiorstwa, Oficyna Wydawnicza SGH, Warszawa.
• Grabiński T., Wydymus S., Zeliaś A. (1983), Metody prognozowania rozwoju społeczno-gospodarczego, PWE, Warszawa.
• Guzik W. (2008), Atrakcyjność inwestycyjna województw, "Gospodarka Narodowa", nr 3.
• Joreskog K.G., Wold H. (1982), Systems under indirect observation. Causality - Structure - Prediction, Part II, North-Holland.
• Kalinowski T. (red.), Atrakcyjność inwestycyjna województw i podregionów Polski 2006, IBnGR, Gdańsk.
• Kock N., Mayfield M. (2015), PLS-based SEM Algorithms: The Good Neighbour Assumption, Collinearity, and Nonlinearity, Texas A&M International University, USA, "Information Management and Business Review", Vol. 7, No. 2.
• Kolenda M., (2006), Taksonomia numeryczna: klasyfikacja, porządkowanie i analiza obiektów wielocechowych, Wydawnictwo Akademii Ekonomicznej im. Oskara Langego we Wrocławiu, Wrocław.
• Kuszewski T. (2000), Wprowadzenie do modelowania ekonometrycznego, w: M. Gruszczyński, M. Podgórska (red.), Ekonometria, Wydawnictwo SGH, Warszawa.
• Lee Ch.-S., Chen Y.-Ch., Tsui P.-L., Yu T.-H. (2013), Examining the relations between open innovation climate and job satisfaction with a PLS path model, "Quality & Quantity", Vol. 48, No. 3.
• Migdał-Najman K., Najman K. (2013), Analiza porównawcza wybranych metod analizy skupień w grupowaniu jednostek o złożonej strukturze grupowej, "Zarządzanie i Finanse", nr 3, cz. 2.
• Ostasiewicz W. (red.) (1989), Statystyczne metody analizy danych, Wydawnictwo Akademii Ekonomicznej im. Oskara Langego we Wrocławiu, Wrocław.
• Perło D. (2014), Modelowanie zrównoważonego rozwoju regionów, Trans Humana, Białystok.
• Poniatowska-Jaksch M. (2006), Przemysłowe bezpośrednie inwestycje zagraniczne źródłem konkurencyjności regionu, "Monografie i Opracowania", nr 544, Oficyna Wydawnicza SGH, Warszawa.
• Puciato D., Dziedzic E. (2016), Attractiveness of South-West Poland municipalities for independent hotel investors, "Tourism Economics", Vol. 23, No. 3.
• Rogowski J. (1990), Modele miękkie. Teoria i zastosowanie w badaniach ekonomicznych, Wydawnictwo Filii UW w Białymstoku, Białystok.
• Rogowski J. (2002), Modele miękkie w budowie strategii finansowej regionu, "Optimum. Studia Ekonomiczne", nr 1.
• Servera-Francés D., Arteaga-Moreno F., Gil-Saura I., Gallarza M.G. (2012), A multiblock PLS-based algorithm applied to a causal model in marketing, "Applied Stochastic Models in Business and Industry", Vol. 29, No. 3.
• Tarkowski M. (red.) (2015), Atrakcyjność inwestycyjna województw i podregionów Polski 2015, Instytut Badań nad Gospodarką Rynkową przy współpracy z Fundacją Konrada Adenauera, Gdańsk.
• Tenenhaus M., Esposito Vinzi V., Chatelin Y.-M., Lauro C. (2005), PLS path modeling, "Computational Statistics & Data Analysis", Vol. 48, No. 1.
• Wold H. (1980) Soft Modelling: Intermediate between Traditional Model Building and Data Analysis, Banach Centre Publication 6, Mathematical Statistics.
• Wold H. (1982), Soft modeling: The basic design and some extensions, w: K.G. Jöreskog, S. Wold (eds.), Systems under indirect observation: causality, structure, prediction, Amsterdam.
• Zaucha J., Brodzicki T., Ciołek D., Komornicki T., Mogiła Z., Szlachta J., Zaleski J. (2015), Terytorialny wymiar wzrostu i rozwoju, Difin, Warszawa.