PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2018 | nr 16 (22) | 55--68
Tytuł artykułu

Determinants of the State of Poverty Using Logistic Regression

Warianty tytułu
Determinanty stanu przynależności do sfery ubóstwa z wykorzystaniem regresji logistycznej
Języki publikacji
EN
Abstrakty
Celem artykułu jest wyznaczenie determinant stanu przynależności do sfery ubóstwa z zastosowaniem regresji logistycznej. Analiza skupia się na ubóstwie ekonomicznym analizowanym przez pryzmat dochodów. Rozważane są trzy stany przynależności: stan ubóstwa, stan blisko ubóstwa (dochody gospodarstwa od 100% do 125% przyjętej granicy ubóstwa) i stan poza zagrożeniem ubóstwem (dochody wyższe niż 125% granicy ubóstwa). Wykorzystano porządkowy model logistyczny oraz - po odrzuceniu założenia proporcjonalnych szans - wielomianowy model logistyczny. Analiza jest poprzedzona prezentacją podstawowych faktów dotyczących wyróżnionych stanów ubóstwa.(abstrakt oryginalny)
EN
The aim of the paper was to identify the determinants of the state of poverty using logistic regression. The analysis focused on economic poverty considered through the prism of income. Three states of poverty were considered: poverty, near poverty (household's income from 100% to 125% of the adopted poverty threshold) and above near poverty (income higher than 125% of poverty threshold), using the ordinal logit model and - after the rejection of the proportional odds assumption - the multinomial logit model. The analysis was preceded by a presentation of the basic facts concerning three states of poverty. Based on the conducted analysis it can be stated that the education of the household's head, place of residence, labourforce status and socio-economic group were very important factors of the state of poverty, and they change the odds of being in above near poverty relative to poverty and the odds of being in near poverty relative to poverty.(original abstract)
Rocznik
Numer
Strony
55--68
Opis fizyczny
Twórcy
  • University of Economics in Katowice, Poland
Bibliografia
  • Agresti A., 2002, Categorical Data Analysis. Second edition, John Wiley & Sons, Hoboken, New Jersey.
  • Baulch B., 2013, Understanding Poverty Dynamics And Economic Mobility, [in:] A. Shepherd, J. Brunt (eds), Chronic Poverty: Concepts, Causes And Policy, Palgrave Macmillan, Basingstoke, United Kingdom, pp. 38-59.
  • Ben-Shalom Y., Moffitt R.A., Scholz J.K., 2011, An Assessment of the Effectiveness of Anti-Poverty Programs in the United States, National Bureau of Economic Research Working Paper no. 17042.
  • Christensen R.H.B., 2015a, A Tutorial on Fitting Cumulative Link Models with the Ordinal Package, https://cran.r-project.org/web/packages/ordinal/vignettes/clm_tutorial. pdf.
  • Christensen R.H.B., 2015b, Ordinal - Regression Models for Ordinal Data, R package version 2015.6-28, http://www.cran.r-project.org/package=ordinal.
  • Council for Social Monitoring, 2015, Integrated database, http://www.diagnoza.com.
  • Derr B., 2013, Ordinal Response Modelling with the LOGISTIC Procedure, SAS Global Forum 2013, Paper 446-2013.
  • Dudek H., 2012, Subiektywne skale ekwiwalentności - analiza na podstawie danych o satysfakcji z osiąganych dochodów, [in:] K. Jajuga, M. Walesiak (eds.), Takso-nomia 19, Klasyfikacja i analiza danych - teoria i zastosowania, UE, Wrocław, pp. 153-162.
  • Dudek H., Landmesser J., 2013, Wpływ relatywnej deprywacji na subiektywne postrzeganie dochodów, [in:] K. Jajuga, M. Walesiak (eds.), Taksonomia 20, Klasyfikacja i analiza danych - teoria i zastosowania, Uniwersytet Ekonomiczny we Wrocławiu, Wrocław, pp. 142-150.
  • Haughton J., Khandker S.R., 2009, Handbook on Poverty and Inequality, The World Bank, Washington, DC.
  • Hokayem C., Heggeness M.L., 2014, Factors influencing transitions into and out of near poverty: 2004-2012, SEHSD Working Paper 2014-05, U.S. Census Bureau, Washington DC.
  • Kot S.M., 2008, Polaryzacja ekonomiczna. Teoria i zastosowanie, Wydawnictwo Nauko-we PWN, Warszawa.
  • Liao T.F., 1994, Interpreting probability models, Quantitative Applications in the Social Sciences, no. 101, Thousand Oaks, CA, Sage.
  • Liu X., 2016, Applied ordinal logistic regression using Stata: From single-level to multilevel modeling, SAGE Publications, Singapore.
  • Orshansky M., 1966, Recounting the poor - a five-year review, Social Security Bulletin, 29, pp. 20-37.
  • Panek T., 2017, Polaryzacja ekonomiczna w Polsce, Wiadomości Statystyczne, vol. 1, pp. 41-61.
  • R Core Team, 2016, R: A Language and Environment for Statistical Computing, R Foundation for Statistical Computing, Vienna, Austria, http://www.r-project.org.
  • Rendtel U., Langeheine R., Berntsen R., 1998, The estimation of poverty dynamics using different measurements of household income, Review of Income and Wealth, Series 44, no. 1, pp. 81-98.
  • Ripley B., Venables B., 2016, Nnet: feed-forward neural networks and multinomial log-linear models, R Package Version 7.3-12, https://cran.r-project.org/web/ packages/nnet.
  • Sączewska-Piotrowska A., 2016a, Near poverty - definition, factors, predictions, Ekono-metria, vol. 4, no. 54, pp. 82-94.
  • Sączewska-Piotrowska A., 2016b, Transitions Into and Out of Near Poverty in Urban and Rural Areas in Poland, [in:] M. Boďa, V. Mendelová (eds.), Applications of Mathematics and Statistics in Economics 2016, Conference Proceedings, Banská Bystrica, Občianske združenie Financ., pp. 302-311.
  • Short K., Smeeding T., 2012, Understanding income-to-threshold ratios using the supplemental poverty measure, U.S. Census Bureau Social, Economic, and Housing Statistics Division Working Paper, no. 2012-18.
  • Stanisz A., 2016, Modele regresji logistycznej. Zastosowania w medycynie, naukach przyrodniczych i społecznych, StatSoft Polska, Kraków.
  • Wolfson M.C., 1994, When inequalities diverge, The American Economic Review, vol. 84, pp. 353-358.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171534375

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.