Podstawowe rodzaje tablic statystycznych w kontekście racjonalnego wykorzystania danych przestrzennych

• Autorzy: Jerzy J. Parysek

Warianty tytułu

Basic Types of Statistical Tables as Regards Rational Usage of Spatial Data

• Języki publikacji: PL

Abstrakty

Celem artykułu jest prezentacja odpowiednio zestawionych tablic danych przestrzennych oraz sposobu ich wykorzystania w badaniach przestrzenno-strukturalnych i funkcjonalnych. Badania dynamiczne i strukturalne nawiązują do tego, co jest istotą rzeczywistości, w jakiej żyjemy, cechującej się zmiennością zdarzeń i procesów w czasie i przestrzeni. Zebrane, niekiedy z trudem, informacje liczbowe nie zawsze są optymalnie wykorzystywane w badaniu coraz bardziej złożonej rzeczywistości. Uporządkowane w tablicach dane stanowią punkt wyjścia do prowadzenia badań dynamiczno-strukturalnych przy wykorzystaniu znanych metod analizy statystycznej. W opracowaniu przedstawiono trzy rodzaje tablic (macierzy) danych: strukturalne (jedno- i wielocechowe), funkcjonalne i relacyjne (interakcyjne). danych: strukturalne (jedno- i wielocechowe), funkcjonalne i relacyjne (interakcyjne). Omówiono ich zastosowanie oraz wskazano podstawowe, możliwe do wykonania procedury obliczeniowe. (abstrakt oryginalny)

EN

The article attempts to present a set of spatial data in appropriate tables with the ways they might be used in both spatial and structural research as well as in functional one. Dynamic and structural research allows for investigating a constantly changing reality. Collected numerical information is often ineffectively used in the research in a more complex reality. Organising collected spatial data in such tables makes it possible to apply various kinds of quantitative methods for the analyses. The article also presents certain principles of variable selection allowing not only for correct application of specific statistical methods, but also for the achievement of reliable results. Uni- and multivariate structural tables, functional tables and relational ones (interactive) are presented in the article, indicating simultaneously operations that can be carried out on the data collected in these tables with specific methods of quantitative analysis. (original abstract)

Słowa kluczowe

PL

Dynamiczne metody badań; Analiza przestrzenna; Analiza strukturalna

EN

Dynamic test methods; Spatial analysis; Structural analysis

• Czasopismo: Wiadomości Statystyczne
• Rocznik: 2019
• Numer: nr 6
• Strony: 44--60

Twórcy

autor

Jerzy J. Parysek

• Uniwersytet im. Adama Mickiewicza w Poznaniu

Bibliografia

• Albatineh, A. N., Niewiadomska-Bugaj, M., Mihalko, D. (2006). Correcting Jaccard and other similarity indices for chance agreement in cluster analysis. Advances in Data Analysis and Classification, 5(3), 179-200.
• Anderberg, M. R. (1973). Cluster analysis for application. New York: Academic Press.
• Anderson, T. W. (1958). An introduction to multivariate analysis. New York: Wiley.
• Caliński, T. (1969). On the application of cluster analysis to experimental results. Bulletin of the International Statistical Institute, (42), 101-103.
• Caliński, T., Harabasz, J. (1974). A dendrite method for cluster analysis. Communications in Statistics - Theory and Methods, 41(12), 2279-2280.
• Chatfield, B. (2018). Introduction to multivariate analysis. New York: Routledge.
• Chojnicki, Z. (1966). Zastosowanie modeli grawitacji i potencjału w badaniach przestrzenno--ekonomicznych. Warszawa: Państwowe Wydawnictwo Naukowe.
• Chojnicki, Z., Czyż, T. (1973). Metody taksonomii numerycznej w regionalizacji geograficznej. Warszawa: Państwowe Wydawnictwo Naukowe.
• Chojnicki, Z., Czyż, T., Ratajczak, W. (2011). Model potencjału. Podstawy teoretyczne i zastosowania w badaniach przestrzenno-ekonomicznych i regionalnych. Poznań: Bogucki Wydawnictwo Naukowe.
• Dawidowski, J., Ratajczak, W., Stankowski, W. (1985). Trend powierzchniowy w zastosowaniu do określenia rzeźby i powierzchni złóż. Przegląd Geologiczny, 33(8), 425-431.
• Everitt, B. S., Landau, S., Leese, M. (2001). Cluster analysis. London: Arnold.
• Gnanadesikan, R. (2011). Methods for statistical data analysis of multivariate observations. New York: Wiley & Sons Inc.
• Gower, J. C. (1967). A comparison of some methods of cluster analysis. Biometrics, 23(4), 623-637.
• Hardle, W. K., Simar, L. (2007). Applied multivariate statistical analysis. New York: Springer.
• Jajuga, K., Sokołowski, A., Bock, H. H. (2002). Classification, clustering and data analysis. New York: Springer.
• Kaczmarek, Z., Parysek, J. (1977). Zastosowanie analizy wielowymiarowej w badaniach geograficzno-ekonomicznych. W: Z. Chojnicki (red.), Metody ilościowe i modele w geografii (s. 94-127). Warszawa: Państwowe Wydawnictwo Naukowe.
• Karoński, M., Caliński, T. (1974a). Grupowanie cech na podstawie współczynnika korelacji. Roczniki Akademii Rolniczej w Poznaniu, (64), 95-99.
• Karoński, M., Caliński, T. (1974b). Grupowanie obiektów wielocechowych na podstawie odległości euklidesowych. Roczniki Akademii Rolniczej w Poznaniu, (64), 117-122.
• Kaufman, L., Rosseeuw, P. J. (2005). Finding groups in data: An introduction to cluster analysis. Wiley-Interscience: New York, John Wiley & Sons Inc.
• Lance, G. N., Williams, W. T. (1966). Computer programs for hierarchical polythetic classification. The Computer Journal, 10, 373- 380.
• Maćkiewicz, A., Ratajczak, W. (1993). Principal components analysis. Computers and Geosciences, 19(3), 303- 342.
• Młodak, A., Józefowski, T., Wawrowski, Ł. (2016). Zastosowanie metod taksonomicznych w estymacji wskaźników ubóstwa. Wiadomości Statystyczne, (2), 1-24.
• Morrison, D. F. (1967). Multivariate Statistical Metods. New York: McGrew- Hill.
• Murtagh, F., Heck, A. (1987). Multivariate data analysis. Dordrecht: Springer Netherlands.
• Orloci, L. (1967). An agglomerative method for classification of plant communities. Journal Ecological, 55(1), 193-205.
• Parysek, J. (1977). The application of principal component analysis and canonical analysis to the study of socio-economic spatial structure and its changes. Quaestiones Geographicae, (4), 131-148.
• Parysek, J. (1978). Zastosowanie taksonomicznej odległości Mahalanobisa w dynamicznych badaniach strukturalno-przestrzennych. Przegląd Geograficzny, 50(2), 293-308.
• Parysek, J. (1980). Analiza skupień jako metoda klasyfikacji w geografii. W: Z. Chojnicki (red.), Metody taksonomiczne w geografii (s. 87-99). Warszawa-Poznań: Państwowe Wydawnictwo Naukowe.
• Parysek, J. (1982). Modele klasyfikacji w geografii. Poznań: Wydawnictwo Naukowe Uniwersytetu im. A. Mickiewicza w Poznaniu.
• Parysek, J., Ratajczak, W. (1978). Analiza głównych składowych cech charakteryzujących właściwości społeczno-ekonomiczne i środowisko geograficzne Polski w 1970 roku. W: Z. Chojnicki, T. Czyż, J. Parysek, W. Ratajczak (red.), Badania społeczno-ekonomicznej struktury przestrzennej Polski metodami czynnikowymi (s. 83 -106). Warszawa-Poznań: Państwowe Wydawnictwo Naukowe.
• Parysek, J., Ratajczak, W. (2002). Analiza składowych głównych - jej korzyści i ograniczenia z punktu widzenia badań geograficznych. W: H. Rogacki (red.), Możliwości i ograniczenia zastosowań metod badawczych w geografii społeczno-ekonomicznej i gospodarce przestrzennej (s. 61-73). Poznań: Bogucki Wydawnictwo Naukowe.
• Romesburg, H. C. (2004). Cluster analysis for researchers. North Carolina: Lulu Press. Wodsworth Inc.
• Silverman, B. W. (2018). Density estimation for statistics and data analysis. Routledge: New York.
• Sokal, R. R., Michener, C. D. (1958). A statistical method for evaluating systematic relationships. The University of Kansas Science Bulletin, 38(22), 1409-1438.
• Steinausen, D., Langer, K. (1977). Clusteranalyse. Einführung in methoden und Verfahren der automatischen Klassifikation. Berlin-New York: Walter de Gruyter.