Nieklasyczne metody statystyczne w badaniach ekonomicznych

• Autorzy: Grzegorz Kończak
• Języki publikacji: PL

Abstrakty

Celem tej książki jest przedstawienie charakterystyki i wskazanie zalet wybranych metod statystycznych, które ze względu na swą konstrukcję można określić jako "nieklasyczne metody statystyczne". Określenie nieklasyczne metody statystyczne w niniejszej książce będzie się odnosiło w dużej mierze do metod symulacji komputerowych. Będą to również metody analizy podprób, jak bootstrap i jackknife, metody estymacji nieparametrycznej, rozszerzenia klasycznych metod, jak np. wielowymiarowy współczynnik korelacji rang Spearmana. Do metod nieklasycznych można także zaliczyć symulacyjne, w szczególności permutacyjne, wersje klasycznych testów statystycznych zarówno parametrycznych, jak i nieparametrycznych. (fragment tekstu)

Słowa kluczowe

PL

Metody statystyczne; Estymacja nieparametryczna; Symulacja; Bezrobocie; Rynek mieszkaniowy; Ocena jakości życia; Dochody ludności; Sytuacja finansowa; Rozwój społeczno-gospodarczy

EN

Statistical methods; Nonparametric estimation; Simulation; Unemployment; Housing market; Life quality assessment; People's income; Financial situation; Social economic development

• Czasopismo: Prace Naukowe / Uniwersytet Ekonomiczny w Katowicach
• Rocznik: 2020
• Strony: 136

Twórcy

autor

Grzegorz Kończak

• Uniwersytet Ekonomiczny w Katowicach

Bibliografia

• Alcocer G. (2016), Descriptive Statistics and the Least Square Method, Lambert Academic Publishing.
• Albert J., Rizzo M. (2012), R by Example. Concepts to Code, Springer Science+Business Media, New York.
• Baszczyńska A. (2012), Estymacja funkcji gęstości z pakietem MATLAB [w:] Rola informatyki w naukach ekonomicznych i społecznych. Innowacje i implikacje interdyscyplinarne, Z.E. Zieliński (red.), Tom 2, Wyższa Szkoła Handlowa, Kielce, s. 7-16.
• Bednarski T. (2013), Rola Jerzego Spławy-Neymana w kształtowaniu metod statystycznej analizy przyczynowości, "Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu", nr 309, s. 11-18.
• Bedő J., Ong Ch.S. (2016), Multivariate Spearman's rho for rank aggregation, "Journal of Machine Learning Research", Vol. 17, s. 1-30.
• Berry K.J., Johnston J.E., Mielke P.W. Jr. (2014), A Chronicle of Permutation Statistical Methods, Springer International Publishing, New York.
• Berry K.J., Johnston J.E., Mielke P.W. Jr. (2018), The Measurement of Association. A Permutation Statistical Approach, Springer Nature Switzerland, Cham.
• Berry K.J., Mielke P.W. Jr., Janis E. (2016), Permutation Statistical Methods. An Integrated Approach, Springer International Publishing, London.
• Bonnini S., Corain L., Marozzi M., Salmaso L. (2014), Nonparametric Hypothesis Testing, John Wiley & Sons, Chichester.
• Brombin Ch., Salmaso L. (2013), Permutation Tests in Shape Analysis, Springer Science+Business Media, New York.
• Chihara L., Hesterberg T.C. (2011), Mathematical Statistics with Resampling and R, John Wiley & Sons, Hoboken, NJ.
• Corbalan F., Sanz G. (2012), Poskromienie przypadku, BUKA Books, Toruń.
• Corder G.W., Foreman D.I. (2014), Nonparametric Statistics, John Wiley & Sons, Hoboken, NJ.
• Crawley M. (2005), Statistics. An Introduction Using R, John Wiley & Sons, Chichester.
• David H.F. (1950), Order Statistics, John Wiley & Sons, New York.
• David H.A. (2008), The Beginnings of Randomization Tests, "American Statistician", Vol. 62, s. 70-72.
• Davison A.C., Hinkley D.V. (1997), Bootstrap Methods and Their Application, Cambridge University Press, Cambridge.
• Delorme A. (2006), Statistical Methods, "Encyclopedia of Medical Device and Instrumentation", Vol. 6, s. 240-264.
• Domański Cz. (2011), Nieklasyczne metody oceny efektywności i ryzyka. Otwarte fundusze emerytalne, PWE, Warszawa.
• Domański Cz., Pekasiewicz D., Baszczyńska A., Witaszczyk A. (2014), Testy statystyczne w procesie podejmowania decyzji, Wydawnictwo Uniwersytetu Łódzkiego, Łódź.
• Domański Cz., Pruska K. (2000), Nieklasyczne metody statystyczne, PWE, Warszawa.
• Eden T., Yates F. (1933), On the Validity of Fisher's z Test When Applied to an Actual Example of Non-Normal Data, "The Journal of Agricultural Science", Vol. 23, s. 6-17.
• Efron B. (1979), Bootstrap Methods: Another Look at the Jackknife, "Annals of Statistics", Vol. 7(1), s. 1-26.
• Efron B. (1987), Better Bootstrap Confidence Intervals (with Discussion), "Journal of the American Statistical Association", Vol. 82, s. 171-200.
• Efron B., Tibshirani R. (1993), An Introduction to the Bootstrap, Chapman & Hall, NewYork.
• Fisher R.A. (1925), Statistical Methods for Research Workers, Oliver and Boyd, Edinburgh.
• Fisher R.A. (1935), The Design of Experiments, Oliver and Boyd, Edinburgh.
• Geary R.C. (1927), Some Properties of Correlation and Regression in a Limited Universe, "Metron Rivista Internazionale de Statistica", Vol. 7, s. 83-119.
• Geary R.C. (1947), Testing for Normality, "Biometrika", Vol. 34, s. 209-242.
• Geisser S. (2006), Models of Parametric Statistical Inference, John Wiley & Sons, Hoboken, New Jersey.
• Gentle J.E. (2003), Random Number Generation and Monte Carlo Methods, Springer Science+Business Media, New York.
• Gibbons J.D., Chakraborti S. (2011), Nonparametric Statistical Inference, Chapman & Hall / CRC Press, Boca Raton.
• Good I.J. (1992), Further Comments Concerning the Lady Tasting Tea or Beer: p-values and Restricted Randomization, "Journal of Statistical Computation and Simulation", Vol. 40(3/4), s. 263-267.
• Good P.I. (2005), Permutation, Parametric and Bootstrap Tests of Hypotheses, Springer Science Business Media, New York.
• Good P.I. (2006), Resampling Methods. A Practical Guide To Data Analysis, Birkhauser, Boston-Basel-Berlin.
• Greń J. (1974), Statystyka matematyczna. Modele i zadania, PWN, Warszawa.
• Greń J. (1987), Statystyka matematyczna. Podręcznik programowany, PWN, Warszawa.
• Hald A. (2007), A History of Parametric Statistical Inference from Bernoulli to Fisher, 1713-1935, Springer Science + Business Media, New York.
• Hellwig Z. (1965), Test zgodności dla małej próby, "Przegląd Statystyczny", nr 12, s. 99-112.
• Hofert M., Kojadinovic I., Machler M., Yan J. (2018), Elements of Copula Modeling with R, Springer Nature Switzerland AG, Cham.
• Hollander M., Wolfe D.A., Chicken E. (2014), Nonparametric Statistical Methods, John Wiley & Sons, New Jersey.
• Horton N.J., Kleinman K. (2011), Using R for Data Management, Statistical Analysis and Graphics, CRC Press, Boca Raton.
• Kabacoff R.I. (2015), R in Action. Data Analysis and Graphics with R, Manning Publications, New York.
• Kerns G.J. (2010), Introduction to Probability and Statistics using R, http://ipsur.r-forge.r-project.org/book/download/IPSUR.pdf (30.10.2020).
• Kończak G. (2005), On the Modification of David-Hellwig Test [w:] Innovations in Classification, Data Science, and Information Systems, D. Baier, K.-D. Wernecke (red.), Proceedings of 27th Annual GfKl Conference, University of Cottbus, March 12-14, 2003, Springer-Verlag, Heidelberg-Berlin, s. 138-145.
• Kończak G. (2008), On the Multivariate Goodness-of-Fit Test [w:] Proceedings in Computational Statistics 2008, P. Brito (red.), Physica-Verlag, Heidelberg, s. 751-758.
• Kończak G. (2012a), On Testing Multi-Directional Hypotheses in Categorical Data Analysis [w:] 20th International Conference on Computational Statistics (COMPSTAT 2012), A. Colubi, E.J. Kontoghiorghes, K. Pokianos, G. Gonzalez-Rodriguez (red.), Proceedings of a meeting held 27-31 August 2012, Limassol, Cyprus, s. 427-436.
• Kończak G. (2012b), Wprowadzenie do symulacji komputerowych, Wydawnictwo Uniwersytetu Ekonomicznego, Katowice.
• Kończak G. (2016), Testy permutacyjne. Teoria i zastosowania, Wydawnictwo Uniwersytetu Ekonomicznego, Katowice.
• Kończak G. (2018), On Testing Significance of the Multivariate Rank Correlation Coefficient, "Acta Universitatis Lodziensis. Folia Oeconomica", nr 3 (335), s. 21-34.
• Kończak G., Lübke K. (2020), Interactive Data Analysis of OECD-Data: Introduction to Permutation Tests [w:] The 14th Professor Aleksander Zelias International Conference on Modelling and Forecasting of Socio-Economic Phenomena, M. Papież, S. Śmiech (eds.), Conference Proceedings, Wydawnictwo Małopolskiej Szkoły Administracji Publicznej Uniwersytetu Ekonomicznego w Krakowie, Kraków, s. 59-66.
• Kończak G., Trzpiot G. (2014), Metody statystyczne z wykorzystaniem programów komputerowych, Wydawnictwo Uniwersytetu Ekonomicznego, Katowice.
• Kopczewska K., Kopczewski T., Wójcik P. (2009), Metody ilościowe w R. Aplikacje ekonomiczne i finansowe, CeDeWu.PL Wydawnictwa Fachowe, Warszawa.
• Krysicki W., Bartos J., Dyczka W., Królikowska K., Wasilewski M. (1994), Rachunek prawdopodobieństwa i statystyka matematyczna w zadaniach, część II, Wydawnictwo Naukowe PWN, Warszawa.
• Ledwina T. (2012), Neyman Jerzy (1894-1981), "Statistics in Transition new series", nr 13(1), s. 169-178.
• Lehmann E.L. (2009), Parametric vs. Nonparametric: Two Alternative Methodologies, "Journal of Nonparametric Statistics", Vol. 21, s. 397-405.
• Lehmann E.L. (2011), Fisher, Neyman, and the Creation of Classical Statistics, Springer Science+Business, New York.
• Lehmann E.L., Romano J.P. (2005), Testing Statistical Hypothesis, Springer Science+ Business, New York.
• Maksimowicz-Ajchel A. (2007), Wstęp do statystyki. Metody opisu statystycznego, Wydawnictwa Uniwersytetu Warszawskiego, Warszawa.
• Manly B.F.J. (2007), Randomization, Bootstrap and Monte Carlo Methods in Biology, Chapman & Hall, New York.
• Mielke P.W. Jr., Berry K.J. (2007), Permutation Methods. A Distance Function Approach, Springer Science + Business Media, LLC, New York.
• Murphy K.R., Myors B., Wolach A. (2014), Statistical Power Analysis. A Simple and General Model for Traditional and Modern Hypothesis Tests, Routledge, New York.
• Nelsen R.B. (1998), An Introduction to Copulas, Lectures Notes in Statistics, No. 139, Springer Verlag, New York.
• Neyman J. (1937), Outline of a Theory of Statistical Estimation Based on the Classical Theory of Probability, "Philosophical Transactions of the Royal Society of London A", Vol. 236, s. 333-380.
• Neyman J., Pearson E.S. (1928a), On the Use and Interpretation of Certain Test Criteria for Purposes of Statistical Inference: Part I, "Biometrika", Vol. 20A, s. 175-240.
• Neyman J., Pearson E.S. (1928b), On the Use and Interpretation of Certain Test Criteria for Purposes of Statistical Inference: Part II, "Biometrika", Vol. 20A, s. 263-294.
• Neyman J., Pearson E.S. (1933), On the Problems of the Most Efficient Tests of Statistical Hypotheses, "Philosophical Transactions of the Royal Society of London", Vol. 231A, s. 289-338.
• Ostasiewicz K. (2014), Mathematical Statistics, Publishing House of Wrocław University of Economics, Wrocław.
• Pitman E.J.C. (1937), Significance Tests Which May Be Applied to Samples from Any Populations, "Supplement to the Journal of the Royal Statististical Society", Vol. 4, s. 119-130.
• Polko D., Kończak G. (2014), On the Method of Comparing Populations Structures Based on the Data in the Contingency Tables, "Acta Universitatis Lodziensis. Folia Oeconomica", nr 3(302), s. 81-89.
• Polko D., Kończak G. (2016), On Using Permutation Tests in the Data Homogeneity Analysis [w:] Knowledge-Economy-Society. Selected Challenges for Statistics in Contemporary Management Science, Publishing House Foundation of the Cracow University of Economics, Kraków, s. 79-87.
• Quenouille M.H. (1949), Problems in Plane Sampling, "The Annals of Mathematical Statistics", Vol. 20(3), s. 586-596.
• Robert Ch.P., Casella G. (2010), Introducing Monte Carlo Methods with R, Springer Science+Business, New York.
• Romaniuk M. (2019), Metody Monte Carlo, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa.
• Salsburg D. (2001), The Lady Tasting Tea. How Statistics Revolutionized Science in the Twentieth Century, Henry Holt and Co., New York.
• Schmid F., Schmidt R. (2006), Bootstraping Spearman's Multivariate Rho [w:] Proceedings of COMPSTAT 2006, 17th Symposium Held in Rome, Italy, s. 759-766.
• Schmid F., Schmidt R. (2007), Multivariate Extensions of Spearman's rho and Related Statistics, "Statistics & Probability Letters", Vol. 77(4), s. 407-416.
• Sheskin D.J. (2004), Handbook of Parametric and Nonparametric Statistical Procedures, Chapman & Hall/CRC, Boca Raton.
• Simonoff J.S. (2003), Analyzing Categorical Data, Springer Science+Business Media, New York.
• Snopkowski R. (2007), Symulacja stochastyczna, Uczelniane Wydawnictwa Naukowo-Dydaktyczne AGH, Kraków.
• Sobczyk M. (2010), Statystyka opisowa, C.H. Beck. Warszawa.
• Sokołowski A. (2004), O niewłaściwym stosowaniu metod statystycznych [w:] Statystyka i Data Mining w badaniach naukowych, Statsoft Polska, Kraków, s. 5-14.
• Spector P. (2008), Data Manipulation with R, Springer Science+Business Media, LLC, New York.
• Spława-Neyman J. (1923), Próba uzasadnienia zastosowań rachunku prawdopodobieństwa do doświadczeń polowych, "Rocznik Nauk Rolniczych", nr 10, s. 1-51.
• Szkutnik T., Wójciak M. (2013), Nieklasyczne metody budowy prognoz zatrudnienia w gospodarce województwa śląskiego, "Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach", nr 142, s. 83-104.
• Todman J.B., Dugard P. (2009), Single-Case and Small-n Experimental Designs. A Practical Guide to Randomization Tests, Taylor & Francis e-Library, London.
• Tukey J.W. (1958), Bias and Confidence in Not-Quite Large Samples, "The Annals of Mathematical Statistics", Vol. 29(2), s. 614-623.
• Urbanek M. (2014), Genialni. Lwowska szkoła matematyczna, Wydawnictwo Iskry, Warszawa.
• Venables W.N., Ripley B.D. (2002), Modern Applied Statistics with S, Fourth edition, Springer, Berlin-Heidelberg.
• Vos Savant M. (1991), Behind Monty Hall's Doors: Puzzle, Debate and Answer? "The New York Times": July 21, s. 1.
• Wasserman L. (2006), All of Nonparametric Statistics, Springer Science + Business Media, New York.
• Wawrzynek J. (2007), Metody opisu i wnioskowania statystycznego, Wydawnictwo Akademii Ekonomicznej, Wrocław.
• Wickham H. (2009), ggplot2: Elegant Graphics for Data Analysis, Springer Science + Business Media, New York.
• Wieczorkowski R., Zieliński R. (1997), Komputerowe generatory liczb losowych, Wydawnictwa Naukowo-Techniczne, Warszawa.
• Wilkinson L. (2005), The Grammar of Graphics, Springer-Verlag, New York.
• Wolfowitz J. (1949), The Power of the Classical Tests Associated with the Normal Distribution, "The Annals of Mathematical Statistics", Vol. 20, s. 540-551.
• Wywiał J. (2012), Wprowadzenie do wnioskowania statystycznego, Wydawnictwo Uniwersytetu Ekonomicznego, Katowice.
• Zeliaś A., Pawełek B., Wanat S. (2002), Metody statystyczne. Zadania i sprawdziany, PWE, Warszawa.
• Zięba A. (2006), Wybrane nieklasyczne metody estymacji: Monte Carlo, bootstrap, jackknife, "Prace Naukowe Akademii Ekonomicznej we Wrocławiu", nr 1142, s. 62-68.
• API BDL (2020), https://github.com/statisticspoland/R_Package_to_API_BDL (22.02.2020).
• Bank Danych Lokalnych (2020), http://stat.gov.pl/bdl (10.02.2020).
• CRAN (2020), http://www.r-project.org (28.02.2020).
• Diagnoza społeczna (2020), Zintegrowana baza danych, http://www.diagnoza.com (14.02.2020).
• Dudek A., Gatnar E., Rozkrut D., Walesiak M. (2019), Pozyskiwanie danych z API Banku Danych Lokalnych w środowisku R, https://met2019.stat.gov.pl/images/ prazentacje/Sesja 8.1 MET2019.pdf (10.02.2020).
• HDR (2020), http://hdr.undp.org/en/content/human-development-index-hdi (2.03.2020).
• Monty Hall (2020), http://www.shodor.org/interactivate/activities/SimpleMontyHall/ (22.02.2020).
• Monty Hall's Doors (2020), https://www.nytimes.com/1991/07/21/us/behind-monty-hall-s-doors-puzzle-debate-and-answer.html?pagewanted=print&src=pm (22.02.2020).
• OECD (2020), http://oecd.org (22.02.2020).
• Portal Geostatystyczny (2020), http://geo.stat.gov.pl/ (10.02.2020).
• Well-Being App (2020), https://fomshinyapps.shinyapps.io/OECD-Permutation/ (29.02.2020).