Czasopismo
Tytuł artykułu
Autorzy
Warianty tytułu
Identification of Service Sector Innovation Strategies in Poland
Języki publikacji
Abstrakty
Innowacyjność jest zjawiskiem wielowymiarowym, stąd też wykorzystanie metod klasyfikacji i analizy danych zwiększa możliwości opisu, umożliwiając dokładniejszy wgląd w naturę procesów innowacji. W artykule przetestowano przydatność analizy skupień oraz analizy czynnikowej do poszukiwania prawidłowości w zakresie zachowań innowacyj-nych przedsiębiorstw sektora usług. Kształtowanie polityki gospodarczej skierowanej na wzrost konkurencyjności polskich przedsiębiorstw wymaga wykorzystywania metod ade-kwatnie opisujących skomplikowane aspekty działalności innowacyjnej.(abstrakt oryginalny)
Innovation is a multidimensional phenomenon; hence the use of classification and data analysis methods increases the scope of description, enabling a more detailed in-sight into the nature of innovation processes. The paper tested the usefulness of cluster anal-ysis and factor analysis to look for patterns in the behavior of innovative business services sector. The formation of economic policy aimed at increasing the competitiveness of Polish enterprises requires the use of methods adequately depicting complicated aspects of innova-tion activities.(original abstract)
Rocznik
Tom
Strony
369--379
Opis fizyczny
Twórcy
autor
- Uniwersytet Szczeciński
autor
- Urząd Statystyczny w Szczecinie; Uniwersytet Szczeciński
Bibliografia
- Caliński T., Harabasz J.(1974), A dendrite method for cluster analysis, "Communications in Sta- tistics" 3 (1).
- Duda R.O., Hart P.E., Stork D.G. (2012), Pattern Classification, John Wiley & Sons, New York.
- Evangelista R., Sirilli G. (1998), Innovation in the Service Sector Results from the Italian Statistical Survey, "Technological Forecasting and Social Change", 58.
- Everitt B.S., Landau S., Leese M., Stahl D. (2011), Cluster Analysis, John Wiley & Sons, New York.
- Hartigan J.A. (1975), Clustering algorithms, Wiley, New York.
- Hollenstein H. (2003), Innovation modes in the Swiss service sector: A cluster analysis based on firm-level data, "Res. Policy", 32.
- Jajuga K. (1993), Statystyczna analiza wielowymiarowa, Biblioteka Ekonometryczna. Wyd. Naukowe PWN, Warszawa.
- Krzanowski W.J., Lai Y.T. (1985), A criterion for determining the number of groups in a data set using sum of squares clustering. Biometrics, No 44.
- Milligan G.W., Cooper M.C. (1985). An examination of procedures for determining the number of clusters in a data set. Psychometrika, 50(2), 159-179.
- Olsson U. (1979), Maximum Likelihood Estimation of the Polychoric Correlation. Psychometrika, 44.
- Pociecha J., Podolec B., Sokołowski A., Zając K. (1998), Metody taksonomiczne w badaniach spo-łeczno-ekonomicznych, PWN, Warszawa.
- Schonlau M. (2004), Visualizing non-hierarchical and hierarchical cluster analyses with cluster-grams, Computational Statistics 19, no. 1 (2004): 95-111.
- Sztemberg-Lewandowska M. (2008), Analiza czynnikowa w badaniach marketingowych, Wydawnic-two Uniwersytetu Ekonomicznego, Wrocław.
- Walesiak M. (1996), Metody analizy danych marketingowych, Wydawnictwo Naukowe PWN, Warszawa.
- Walesiak M., Dudek A. (2007), clusterSim: Searching for optimal clustering procedure for a data set. URL http://www.R-project.org. R package version 0.30- 7.
- Walesiak M. (2011), Uogólniona miara odległości GDM w statystycznej analizie wielowymiarowej z wykorzystaniem programu R, Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu, Wrocław.
- Wziątek-Kubiak A., Balcerowicz E., Pęczkowski M. (2009), Differentation of Innovation Behavior of Manufacturing Firms in the New MemberStates. Cluster analysis on Firm-Level Data, CASE Network Studies & Analyses, No. 394.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171285365