PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2018 | nr 16 (22) | 37--54
Tytuł artykułu

Small Area Statistics and Quality Management - the Polish Perspective

Autorzy
Warianty tytułu
Statystyka małych obszarów i jakość zarządzania - polska perspektywa
Języki publikacji
EN
Abstrakty
Autor rozpoczyna od omówienia głównych czynników wpływających na efektywność procesu decyzyjnego, a przede wszystkim na jakość użytych informacji, zastosowanych modeli oraz wiedzę decydentów w zakresie wdrażania. Po pierwsze, GIGO jest używany w informatyce jako akronim ("śmieci włożone, śmieci wyjdą"), wyrażający wpływ relacji między jakością informacji wykorzystywanej w modelu a ich wynikiem, a następnie aforyzm Boksa na temat przydatności modeli ("Wszystkie modele są złe, ale niektóre są przydatne"). Szczególną uwagę zwraca się na statystykę małych obszarów, omawiając ich źródło, wielkość, a przede wszystkim ich jakość, podając aktualną definicję jakości danych. Następnie autor przedstawia rozwój metod estymacji małych obszarów, pomijając formuły matematyczne, a ogranicza się do prezentacji niektórych schematów blokowych. Omawia też rolę statystyki małych obszarów w zarządzaniu jakością, koncentrując się na ocenie ich jakości, co ma szczególne znaczenie przy podejmowaniu decyzji. Opracowanie przygotowano z polskiej perspektywy, odnosząc się głównie do polskich statystów i niektórych istotnych publikacji w języku angielskim.(abstrakt oryginalny)
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, we considered the acronym GIGO ("garbage in garbage out") used in computer science, 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"). Particular attention is paid to the statistics of small areas, discussing their source, size, and mainly their quality, giving the current definition of data quality. Next the author provided the development of estimation methods for small areas, apart from mathematical formulas and limited to the presentation of some flowcharts. The author then discusses the role of small area statistics in quality management, focusing on the evaluation of their quality, which is of particular importance when making decisions. The paper is prepared from the Polish perspective, referring mainly to Polish statisticians and some relevant publications in English.(original abstract)
Rocznik
Numer
Strony
37--54
Opis fizyczny
Twórcy
autor
  • Warsaw Management University
Bibliografia
  • ABS (Australian Bureau of Statistics), 2006, A Guide to Small Area Estimation - Version 1.1. Internal ABS document.
  • Baesens B., 2007, It's the Data, You Stupid!, Data News.
  • Baesens B., 2014, Analytics in a Big Data World: The Essential Guide to Data Science and its Applications, Wiley and SAS Business Series.
  • Beresewicz M.E., 2015, On representativeness of internet data sources for real estate market in Poland, Aust. J. of Stat., 44, 2, pp. 45-57.
  • Beręsewicz M., 2016, Internet data sources for real estate market statistics, https://berenz.github.io/assets/phd/Beresewicz_Maciej_dissertation.pdf.
  • Beręsewicz M., Klimanek T., 2013, Wykorzystanie estymacji pośredniej uwzględniającej korelację przestrzenną w badaniach cen mieszkań, Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu, nr 279, pp. 281-290.
  • Bethlehem J., Cobben S., Schouten B., 2011, Handbook of Nonresponse in Household Surveys, Wiley.
  • Box G.E.P., 1976, Science and Statistics, Journal of the American Statistical Association, vol. 71, no. 356, pp. 791-799.
  • Bracha Cz., 1994, Metodologiczne aspekty badania małych obszarów, Z prac Zakładu Badań Statystyczno-Ekonomicznych, z. 43.
  • Bracha Cz., 1996, Teoretyczne podstawy badań reprezentacyjnych, PWN, Warszawa.
  • Bracha Cz., 2003, Estymacja danych z Badania Aktywności Ekonomicznej Ludności na poziomie powiatów dla lat 1995-2002, GUS, Warszawa.
  • Bracha Cz., Lednicki B., Wieczorkowski R., 2003, Estimation of Data from the Polish Labour Force Surveys by poviats (counties) in 1995-2002 (in Polish), Central Sta-tistical Office of Poland, Warsaw.
  • Bracha Cz., Lednicki B., Wieczorkowski R., 2004, Wykorzystanie złożonych metod esty-macji 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.
  • Brakel J.A. van den Bethlehem J., 2008, Model-Based Estimation for Official Statistics, Statistics Netherlands, Voorburg/Heerlen.
  • Cochran W.G., 1977, Sampling Techniques, 3rd ed., Wiley, New York.
  • Dehnel G., 2010, The development of micro-entrepreneurship in Poland in the light of the estimation for small areas, Publ. University of Economics in Poznan, Poznan.
  • Dehnel G., Golata E., Klimanek T., 2004, Consideration on Optimal Design for Small Area Estimation, Statistics in Transition, vol. 6, no. 5, pp. 725-754.
  • Domański Cz., Pruska K., 1996, Reprezentatywność próby w statystyce małych obszarów, Wiadomości Statystyczne, nr 5, pp.11-16.
  • Domański Cz., Pruska K., 1997, Prognozowanie w przedsiębiorstwie z wykorzystaniem statystyki małych obszarów, [in:] M. Cieślak (red. ), Prognozowanie w zarządzaniu firmą, materiały konferencyjne, Akademia Ekonomiczna, Wrocław.
  • Domański Cz., Pruska K., 2001, Metody statystyki małych obszarów, Wydawnictwo Uniwersytetu Łódzkiego, Łódź.
  • Eurostat, 2007, Handbook on Data Quality Assessment: Methods and Tools, Luxembourg.
  • Ghosh M., 2001, Model-Dependent Small Area Estimation - Theory and Practice, [in:] Lectures Notes on Estimation for Population Domains and Small Areas, eds. R. Lehtonen, K. Djerf, "Reviews" no. 5, Statistics Finland, University of Jyväskylä.
  • Ghosh M., Rao J.N.K.,1994, Small area estimation: An appraisal, Statistical Science, 9, pp. 55-93.
  • Gołata E., 1996, Statystyka małych obszarów w analizie rynku, Wiadomości Statystyczne, nr 3, pp. 45-59.
  • Gołata E., 2004a, Estymacja pośrednia bezrobocia na lokalnym rynku pracy, Wydawnic-two Akademii Ekonomicznej, Poznań (praca habilitacyjna).
  • Gołata E., 2004b, Problems of estimate unemployment for small domains in Poland, Statistics in Transition, 6, 5, pp. 755-776.
  • Gołata E., 2012, Data integration and small domain estimation in Poland - experiences and problems, Statistics in Transition - New Series, 13(1), pp.107-142.
  • Gołata E., 2015, SAE education challenges to academic and NSI, Statistics in Transition New Series and Survey Methodology, vol. 16, no. 4, s. 611-630.
  • Heady P., Hennell S., 2001, Enhancing small area estimation techniques to meet Europe-an needs, Statistics in Transition, 5, 2, pp. 195-203.
  • Hidiroglou M.A., 2014, Small-Area Estimation: Theory and Practice, Section on Survey Research Methods, Statistics Canada,
  • 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.
  • Kish L., 1965, Survey Sampling, New York.
  • Kish L., 1987, Statistical Design for Research, John Wiley and Sons, New York.
  • Klimanek T., 2012, Using indirect estimation with spatial autocorrelation in social sur-veys in Poland, Przegląd Statystyczny, 59 (numer specjalny 1), pp.155-172.
  • Kordos J., 1959, Szacunek rozkładu ludności według grup zamożności, Wiadomości Statystyczne, nr 3.
  • Kordos J., 1960, Próba określenia dokładności szacunków, Wiadomości Statystyczne, nr 3.
  • Kordos J., 1963, Rozkład ludności pozarolniczej według wysokości dochodów na osobę w 1960 r., Biuletyn Komitetu Przestrzennego Zagospodarowania Kraju PAN, nr 8.
  • Kordos J., 1988, Jakość danych statystycznych, PWE, Warszawa.
  • Kordos J., 1991, Statystyka małych obszarów a badania reprezentacyjne, Wiadomości Statystyczne, nr 4, pp. 1-5.
  • Kordos J., 1992, Podejście do statystyki małych obszarów w Polsce, Wiadomości Staty-styczne, nr 10, pp. 1-5.
  • Kordos J., 1997, Efektywne wykorzystanie statystyki małych obszarów, Wiadomości Sta-tystyczne, nr 1, pp. 11-19.
  • Kordos J., 1999, Problemy estymacji danych dla małych obszarów, Wiadomości Staty-styczne, nr 1, pp. 85-101.
  • Kordos J., 2001, Nowy projekt zastosowania estymacji dla małych obszarów, Wiadomości Statystyczne, nr 8, pp.1-10.
  • Kordos J., 2004, Metody estymacji dla małych obszarów w badaniach procesów społecz-no-ekonomicznych, Roczniki Kolegium Analiz Ekonomicznych, Szkoła Główna Handlowa, 13, Warszawa, pp. 11- 29.
  • Kordos J., 2005, Some Aspects of Small Area Estimation and Data Quality, Statistics in Transition, 7, pp. 63-83.
  • Kordos J., 2016a, Small Area Statistics and Quality Management, Zarządzanie. Teoria i Praktyka, 15(1), pp. 25-34.
  • Kordos J., 2016b, Development of Small Area Estimation in Official Statistics, Statistics in Transition New Series and Survey Methodology, 17, 1, pp. 105-132.
  • Kubacki J., 1997, Ważniejsze metody estymacji w statystyce małych obszarów, Wiadomo-ści Statystyczne, nr 5, pp. 13-21.
  • Kubacki J., 2004, Application of the Hierarchical Bayes Estimation to the Polish Labour Force Survey, Statistics in Transition, 6, 5, pp. 785-796.
  • Kubacki J., 2006, Remarks on using the Polish LFS data for unemployment estimation by County, Statistics in Transition, 7, 4, pp. 901-916.
  • Longford N., 2005, Missing Data and Small-Area Estimation: Modern Analytical Equip-ment for the Survey Statistician, Springer.
  • Marker D.A., 2001, Producing small area estimates from national surveys: Methods for minimizing use of indirect estimators, Survey Methodology, 27, pp. 183-188.
  • Namazi-Rad M.-R., Steel D., 2015, What level of statistical model should we use in small area estimation?, Australian & New Zealand Journal of Statistics, 57, pp. 275-298.
  • http://onlinelibrary.wiley.com/doi/10.1111/anzs.12115/abstract.
  • Paradysz J., 1998, Small Area Statistics in Poland - First Experiences and Application Possibilities, Statistics in Transition, 3, 5, pp. 1003-1015.
  • Paradysz J., 2012, Statystyka regionalna: stan, problemy i kierunki rozwoju, Przegląd Statystyczny, nr 2, pp. 191-204.
  • Platek R., Rao J.N.K., Särndal C.E., Singh M.P. (eds), 1987, Small Area Statistics, John Wiley & Sons, New York.
  • Rao J.N.K., 2003, Small Area Estimation, John Wiley & Sons, New Jersey.
  • Szarkowski A., Witkowski J., 1994, The Polish labour force survey, Statistics in Transi-tion, 1, 4, pp. 467-483.
  • Szreder M., 2015, Big data wyzwaniem dla człowieka i statystyki, Wiadomości Staty-styczne, nr 8, pp. 1-11.
  • Szymkowiak M., 2009, Estymatory kalibracyjne w badaniu budżetów gospodarstw do-mowych, rozprawa doktorska, http://www.wbc.poznan.pl/dlibra/docmetadata? id=115816.
  • Szymkowiak M., 2010, ESSnet on Small Area Estimation. Report on the analysis of ques-tionnaires used in WP 2, October 2010.
  • Szymkowiak M., Klimanek T., 2012, Zastosowanie estymacji pośredniej uwzględniającej korelację przestrzenną w opisie niektórych charakterystyk rynku pracy, Prace Nau-kowe Uniwersytetu Ekonomicznego we Wrocławiu, nr 242, pp. 601-609.
  • Trewin D., 1999, Small area statistics conference, Survey Statistician, 41, pp. 8-9.
  • Trewin D., 2002, The importance of a quality culture, Survey Methodology, 28, 2, pp. 125-133.
  • UN, 2011, Using Administrative and Secondary Sources for Official Statistics - A Hand-book of Principles and Practices, United Nations Commission for Europe.
  • Wallgren A., Wallgren B., 2014, Register-based Statistics. 2th ed, Wiley, New York.
  • Wawrowski Ł., 2014, Wykorzystanie metod statystyki małych obszarów do tworzenia map ubóstwa w Polsce, Wiadomości Statystyczne, nr 9, pp. 46-56.
  • Witkowski J., 1992, Szacowanie bezrobocia dla małych obszarów, Wiadomości Staty-styczne, nr 11, pp. 1-5.
  • Yates F., 1980, Sampling Methods for Censuses and Surveys,4th ed., London.
  • You Y., Zhou, Q.M., 2011, Hierarchical Bayes small area estimation under a spatial model with application to health survey data, Survey Methodology, 37, 1, pp. 25-37.
  • Zarkovich S.S., 1966, Quality of Statistical Data, FAO, Rome.
  • Zasępa R., 1972, Metoda reprezentacyjna, PWE, Warszawa.
  • Żądło T., 2004, On Unbiasedness of Some EBLU Predictor, [in:] Antoch J., ed. Proceedings in Computational Satistics 2004, Physica-Verlag, Hidelberg.
  • ŻądłoT., 2006, On prediction of total value in incompletely specified domains, Aust. NZ. J. Stat., 48, pp. 269-283.
  • Żądło T., 2009, On MSE of EBLUP, Stat. Papers, 50, pp. 101-118.
  • 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, pp. 243-256.
  • Żądło T., 2014, On the prediction of the subpopulation total based on spatially correlated longitudinal data, Mathematical Population Studies, special issue: Survey Sampling Methods, eds M. Ghosh, T. Żądło, 21, 1, pp. 30-44.
  • Żądło T., 2015a, On longitudinal moving average model for prediction of subpopulation total, Statistical Papers, 56 (3), pp.749-771.
  • Żądło T., 2015b, On prediction for correlated domains in longitudinal surveys, Communications in Statistics - Theory and Methods, 44(4), pp. 683-697.
  • Żądło T., 2015c, Statystyka małych obszarów w badaniach ekonomicznych - podejście modelowe i mieszane, Wydawnictwo Uniwersytetu Ekonomicznego w Katowicach.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171534369

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.