Wpływ wyboru metody klasyfikacji na identyfikację zależności przestrzennych - zastosowanie testu join-count

• Autorzy: Justyna Wilk , Michał B. Pietrzak , Roger S. Bivand

Warianty tytułu

The Influence of Classification Method Selection on the Identification of Spatial Dependence - an Application of Join-Count Test

• Języki publikacji: PL

Abstrakty

Klasyfikacja jest jedną z podstawowych metod badań regionalnych. Pozwala na określenie terytorialnego zróżnicowania zjawiska oraz zależności przestrzennych. Ich występowanie może wskazywać na proces tworzenia się klastrów przestrzennych. Istotą badań jest sposób wydzielenia klas i uzyskany podział. Celem artykułu jest określenie wpływu metody podziału na wyniki pomiaru autokorelacji przestrzennej z wykorzystaniem testu join-count. Test ten, w przeciwieństwie do wielu metod statystyki przestrzennej, pozwala na badanie autokorelacji przestrzennej dla danych jakościowych. Może być stosowany w analizie zależności przestrzennych wyróżnionych klastrów(abstrakt oryginalny)

EN

Classification is one of the main methods used in regional studies. It examines territorial diversification of a phenomenon, as well as spatial dependence. Its occurrence can indicate a process of spatial clusters creation. The essense of such research is a way of classification and its results. The aim of this paper is to examine the influence of classification method on the analysis of spatial autocorrelation using join-count test. This test, in contradiction to a lot of other methods of spatial statistics, concerns the spatial autocorrelation of qualitative data. It can be applied in the examination of spatial dependence between territorial units which tend to form clusters(original abstract)

Słowa kluczowe

PL

Autokorelacja przestrzenna; Klasyfikacja

EN

Spatial autocorrelation; Classification

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
• Rocznik: 2015
• Tom: 24
• Numer: nr 384 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 296--304

Twórcy

autor

Justyna Wilk

• Uniwersytet Ekonomiczny we Wrocławiu

autor

Michał B. Pietrzak

• Uniwersytet Mikołaja Kopernika w Toruniu

autor

Roger S. Bivand

• Norwegian School of Economics; Adam Mickiewicz University in Poznań

Bibliografia

• Arbia G., 2006, Spatial Econometrics, Springer, Berlin- Heidelberg.
• Bivand R.S. (red.), 2014, spdep package, R-CRAN, http://cran.r-project.org/web/packages/ spdep/index.html.
• Bivand R.S., Pebesma E.J., Gómez-Rubio V., 2008, Applied Spatial Data Analyses with R, Springer, New York.
• Chojnicki Z. (red.), 1980, Analiza regresji w geografii, PWN, Warszawa.
• Chojnicki Z., Czyż T., 1973, Metody taksonomii numerycznej w regionalizacji geograficznej, PWN, Warszawa.
• Cliff A.D., Ord J.K., 1973, Spatial Autocorrelation, Pion, London.
• Cliff A.D., Ord J.K., 1981, Spatial Processes: Models and Applications, Pion, London.
• Everitt B.S., Landau S., Leese M., 2001, Cluster Analysis, Fourth Edition, Arnold, London.
• Grabiński T., Wydymus S., Zeliaś A., 1989, Metody taksonomii numerycznej w modelowaniu zjawisk społeczno-gospodarczych, PWN, Warszawa.
• Hellwig Z., 1968, Zastosowanie metody taksonomicznej do typologicznego podziału krajów ze względu na poziom ich rozwoju oraz zasoby i strukturę wykwalifikowanych kadr, Przegląd Statystyczny, R. XV, zeszyt 4, s. 307-327.
• Kopczewska K., 2006, Ekonometria i statystyka przestrzenna z wykorzystaniem programu R CRAN, Cedetu, Warszawa.
• Kossowski T., 2010, Teoretyczne aspekty modelowania przestrzennego w badaniach regionalnych, [w:] P. Churski (red.), Praktyczne aspekty badań regionalnych, Biuletyn Instytutu Geografii Społeczno- Ekonomicznej i Gospodarki Przestrzennej Uniwersytetu Adama Mickiewicza w Poznaniu, nr 12, Bogucki Wydawnictwo Naukowe, Poznań.
• Kukuła K., 2000, Metoda unitaryzacji zerowanej, PWN, Warszawa.
• Moran P.A.P., 1947, The interpretation of statistical maps, Journal of the Royal Statistical Society, B10, s. 243-251.
• Nowak E., 1999, Metody taksonomiczne w klasyfikacji obiektów gospodarczych, PWE, Warszawa.
• Pietrzak B., Wilk J., Bivand R., Kossowski T., 2014a, The application of local indicators for categorical data (LICD) in the spatial analysis of economic development, Comparative Economic Research, Vol. 17, Issue 4, s. 203-220.
• Pietrzak B., Wilk J., Kossowski T., Bivand R., 2014b, The Identification of Spatial Dependence in the Analysis of Regional Economic Development - Join-Count Test Application, [w:] M. Papież, S. Śmiech (red.), Proceedings of the 8th Professor Aleksander Zelias International Conference on Modelling and Forecasting of Socio-Economic Phenomena, Wyd. Uniwersytetu Ekonomicznego w Krakowie, Kraków, s. 135-144.
• OECD, 2012, Promoting Growth in All Regions, OECD Publishing.
• Strahl D. (red.), 2006, Metody oceny rozwoju regionalnego, Wyd. Akademii Ekonomicznej we Wrocławiu, Wrocław.
• Suchecka J. (red.), 2014, Statystyka przestrzenna. Metody analiz struktur przestrzennych, C.H. Beck., Warszawa.
• Suchecki B. (red.), 2010, Ekonometria przestrzenna. Metody i modele analizy danych przestrzennych, Wydawnictwo C.H. Beck, Warszawa.
• Walesiak M., 1993, Strategie postępowania w badaniach statystycznych w przypadku zbioru zmiennych mierzonych na skalach różnego typu, Badania Operacyjne i Decyzje nr 1, s. 71-77.
• Zeliaś A. (red.), 1991, Ekonometria przestrzenna, PWE, Warszawa.

Identyfikatory

DOI

10.15611/pn.2015.384.32