WYDAWNICTWO UNIWERSYTETU ŁÓDZKIEGO
|
|
- Adrian Andrzejewski
- 4 lat temu
- Przeglądów:
Transkrypt
1
2
3 WYDAWNICTWO UNIWERSYTETU ŁÓDZKIEGO
4
5 Wojcech Grabowsk Unwersytet Łódzk, Wydzał Ekonomczno-Socjologczny Katedra Model Prognoz Ekonometrycznych, Łódź, ul. Rewolucj 1905 r. 37/39 RECENZENT Jerzy Marzec REDAKTOR INICJUJĄCY Monka Borowczyk REDAKCJA Monka Poradecka SKŁAD I ŁAMANIE Mateusz Poradeck KOREKTA TECHNICZNA Leonora Gralka PROJEKT OKŁADKI Katarzyna Turkowska Zdjęce wykorzystane na okładce: Depostphotos.com/leungchopan Wydrukowano z gotowych materałów dostarczonych do Wydawnctwa UŁ Copyrght by Wojcech Grabowsk, Łódź 2019 Copyrght for ths edton by Unwersytet Łódzk, Łódź 2019 Wydane przez Wydawnctwo Unwersytetu Łódzkego Wydane I. W M Ark. druk. 16,375 ISBN e-isbn Wydawnctwo Unwersytetu Łódzkego Łódź, ul. Lndleya 8 e-mal: ksegarna@un.lodz.pl tel. (42)
6 Sps treśc Wstęp 9 Notacja wykorzystywana w monograf Podstawowe modele wykorzystujące dane ndywdualne Wprowadzene Modele dla cągłej zmennej zależnej Klasyczny model regresj lnowej Heteroskedastyczność składnka losowego. Metody estymacj parametrów w przypadku nestałej warancj Metoda regresj kwantylowej Odporna estymacja parametrów modelu regresj. Estymator M. Estymator S. Estymator MM Model dwumanowy (dychotomczny) Model welomanowy (polchotomczny) kategor uporządkowanych Model welomanowy kategor neuporządkowanych Model regresj rankngowej Problem selekcj próby w modelach ekonometrycznych. Model Heckmana Model lcznkowy Dwurównanowy model probtowy Welorównanowy model probtowy Endogenczny model probtowy Podsumowane Dane regonalne wykorzystywane w badanach ekonomcznych Podzał admnstracyjny, statystyczny hstoryczny Polsk Hstoryczno-kulturowe zróżncowane terytorum obecnej Rzeczpospoltej Polskej Źródła danych, które mogą być wykorzystywane w analzach regonalnych dla Polsk Bank Danych Lokalnych Regonal Innovaton Scoreboard jako źródło nformacj o pozome nnowacyjnośc regonów Inne źródła danych regonalnych wykorzystywane w badanach emprycznych Lnowe modele welopozomowe Wprowadzene Zmenne regonalne sekcyjne w modelach ekonometrycznych opartych na danych ndywdualnych Podstawowy welopozomowy model regresj. Estymacja parametrów predykcja efektów losowych Efekty krzyżowe w lnowych modelach welopozomowych 109
7 6 Sps treśc 3.5. Wykorzystane lnowego modelu welopozomowego uwzględnającego zmenne regonalne do badana czynnków wpływających na wynagrodzena w Polsce Przegląd lteratury z zakresu czynnków wpływających na wynagrodzena Koncepcje SBTC RBTC ch wykorzystane do analzy czynnków wpływających na różnce mędzy wynagrodzenam przedstawcel określonych zawodów Dane dotyczące pozomów wynagrodzeń uzyskwanych przez pracownków w polskch przedsęborstwach. Podzał zawodów ze względu na umejętnośc posadane przez pracownków Specyfkacja modelu ekonometrycznego wykorzystywanego do analzy czynnków wpływających na wynagrodzena w Polsce Uogólnone lnowe modele welopozomowe Postać uogólnonego lnowego modelu welopozomowego Funkcja warygodnośc w uogólnonym lnowym modelu welopozomowym Estymacja parametrów uogólnonych lnowych model welopozomowych za pomocą metod aproksymacyjnych Estymacja parametrów uogólnonych lnowych model welopozomowych za pomocą metod symulacyjnych Problem selekcj próby w modelach welopozomowych. Estymacja parametrów welorównanowych model probtowych z efektam losowym Wykorzystane welopozomowego modelu zmennych dyskretnych do analzy zależnośc mędzy wykorzystywanem technolog nformacyjnych komunkacyjnych, nnowacyjnoścą a produktywnoścą Przegląd lteratury z zakresu czynnków wpływających na nnowacyjność frm Model CDM rozszerzony o wykorzystane TIK oraz uwzględnający czynnk regonalne Dane oraz próba badawcza Specyfkacja modelu ekonometrycznego Wynk estymacj nterpretacja Welopozomowy polchotomczny model logtowy. Welopozomowy model regresj rankngowej Wprowadzene Welopozomowy model welomanowy logtowy. Welopozomowy model regresj rankngowej Wykorzystane welopozomowego polchotomcznego neuporządkowanego modelu logtowego do analzy czynnków wpływających na sposób reakcj wobec zastnena problemu prawnego Czynnk wpływające na sposób reakcj wobec wystąpena problemu prawnego przegląd lteratury Estymacja parametrów welopozomowego, neuporządkowanego, polchotomcznego modelu logtowego na podstawe danych pochodzących z badana dla Polsk przeprowadzonego przez Instytut Spraw Publcznych w Warszawe 223 Zakończene 241 Bblografa 243
8 Sps treśc 7 Abstract 253 Sps rysunków 257 Sps tabel 259 Od Redakcj 261
9 Wstęp W badanach ekonomcznych społecznych coraz węcej uwag pośwęca sę analze zależnośc występujących na pozome ndywdualnym. Powszechne są badana wykorzystujące mędzy nnym dane dotyczące decyzj podejmowanych w przedsęborstwach (np. sere badań pt. Communty Innovaton Survey przeprowadzane przez urzędy statystyczne krajów Un Europejskej), aktywnośc ekonomcznej ludnośc (np. sere badań aktywnośc ekonomcznej ludnośc przeprowadzanych w różnych krajach Un Europejskej) czy też wynagrodzeń uzyskwanych przez pracownków (badana struktury wynagrodzeń). Oprócz wymenonych wyżej oraz nnych badań cyklcznych przeprowadzane są badana jednorazowe, w których jednostkam są frmy, pracowncy, gospodarstwa domowe, respondenc tp. Nektóre dane pochodzące z tych badań są publczne dostępne, nne zaś mogą zostać zakupone lub pozyskane przez nstytucje naukowo-badawcze. Zwększa sę zatem pole do zastosowań metod mkroekonometrycznych. W badanach mkroekonomcznych społecznych często gnorowana jest rola kontekstu. Przyjmuje sę założena, że zależnośc występują mędzy jednostkam, a lokalzacja gospodarstwa domowego czy frmy ne ma wpływu na proces podejmowana decyzj. Ewentualne różnce mędzy zachowanam respondentów meszkających w nnych regonach czy też różnce w procese decyzyjnym frm znajdujących sę w różnych sekcjach PKD traktuje sę jako ustalone. Oznacza to zatem, że oszacowana parametrów przy odpowednch zmennych zero-jedynkowych odzwercedlają te różnce. Istneją jednak metody badana zależnośc mędzy cecham przedsęborstw czy gospodarstw domowych umożlwające analzę losowych różnc mędzy jednostkam należącym do nnych sekcj czy regonów. Metody te umożlwają równeż analzę różnącego sę w poszczególnych grupach (którym mogą być odpowedne sekcje lub regony) wpływu określonych cech frm czy gospodarstw domowych na podejmowane przez ne decyzje. Analzowane metody wykorzystuje sę podczas estymacj parametrów model welopozomowych. Nnejsza monografa pośwęcona jest aspektom teoretycznym oraz badanom emprycznym wykorzystującym modele welopozomowe. Prezentowane są zastosowana omawanych model w badanach mkroekonomcznych (dotyczących wynagrodzeń pracownków oraz postaw nnowacyjnych przedsęborstw wykorzystujących technologe nformatyczne komunkacyjne) oraz socjologcznych (zwązanych z zagadnenam z zakresu socjolog prawa). Idea tych badań polega
10 10 Wstęp na dodatkowym uwzględnenu czynnków kontekstowych (zwłaszcza zwązanych z przynależnoścą frmy, pracownka czy respondenta do regonu) w modelach wykorzystujących dane ndywdualne. Jednocześne analzowana jest rola poszczególnych czynnków w wyjaśnenu zmennośc zmennej zależnej oraz wskazywane są różnce mędzy wynkam uzyskanym dla modelu pełnego a tym otrzymanym w przypadku neuwzględnena zmennych kontekstowych, czyl zwązanych z lokalzacją jednostk. W badanach emprycznych omawanych w nnejszej monograf wykorzystywane są przede wszystkm dane ndywdualne uzyskane podczas realzacj grantów Narodowego Centrum Nauk (zakończonych będących w trakce realzacj), w których uczestnczył autor. Dane dotyczące wynagrodzeń pracownków pochodzą z baz zwązanych z badanam struktury wynagrodzeń, zakuponym podczas realzacj grantu pt. Polaryzacja polskego rynku pracy w kontekśce zmany technologcznej o numerze 2016/23/B/HS4/ Dane zwązane z dzałalnoścą nnowacyjną przedsęborstw zostały uzyskane na podstawe badana anketowego przeprowadzonego w 2015 roku podczas realzacj grantu pt. Wpływ technolog nformacyjnych telekomunkacyjnych na produktywność analza mkro makroekonomczna o numerze 2013/11/B/HS4/ Dane dotyczące faktu zastnena problemu prawnego oraz sposobu reakcj na nego pochodzą z badana przeprowadzonego w 2012 roku przez Instytut Spraw Publcznych w Warszawe pt. Korzystający nekorzystający z poradnctwa prawnego obywatelskego. Dane te zostały zakupone podczas realzacj grantu Narodowego Centrum Nauk pt. Neodpłatna pomoc prawna w Polsce z perspektywy ekonomcznej analzy prawa. Stan obecny rekomendowany o numerze 2012/07/B/HS4/ W przypadku każdego z tych trzech badań oprócz nformacj ndywdualnych wykorzystywane są także dane kontekstowe (np. zwązane z lokalzacją, przynależnoścą frmy do sekcj PKD czy też przynależnoścą pracownka do grupy zawodowej). Należy jednak podkreślć, że prezentowane wynk są komplementarne względem rezultatów uzyskanych w nnych pracach autora wykorzystujących te właśne dane (por. m.n. Arendt, Grabowsk, 2017; 2018; Florczak, Grabowsk, 2017; 2018a; 2018b; 2018c; Szczygelsk, Grabowsk, Woodward, 2017; Szczygelsk, Grabowsk, Pamukcu, Tandogan, 2017). Różnca polega na dodatkowym uwzględnenu czynnków kontekstowych w modelach mkroekonometrycznych. Nnejsza monografa składa sę z pęcu rozdzałów. W rozdzale perwszym prezentowane są metody wykorzystywane do analzy zależnośc na pozome ndywdualnym, ale bez uwzględnana zmennych kontekstowych. W rozdzale drugm omawane są różnce w pozome rozwoju ekonomczno-społecznego mędzy polskm regonam hstorycznym admnstracyjnym. Jednocześne prezentowane są bazy danych regonalnych, z których część wykorzystywana jest
11 Wstęp 11 w badanach emprycznych uwzględnonych w monograf. Rozdzał trzec zawera ops metody estymacj parametrów predykcj efektów losowych w modelach welopozomowych z cągłą zmenną zależną. Oprócz tego prezentowane są rezultaty badana emprycznego pośwęconego determnantom zróżncowana wynagrodzeń oraz testowanu hpotezy o występowanu polaryzacj na polskm rynku pracy. W rozdzale czwartym prezentowane są uogólnone lnowe modele welopozomowe. Szczegółowo omawane są metody estymacj parametrów tych model. Jednocześne prezentowane są wynk badana emprycznego mającego na celu dentyfkację ndywdualnych regonalnych czynnków kształtujących decyzje nnowacyjne przedsęborstw. W rozdzale pątym rozważane są modele welopozomowe dla przypadku welomanowej neuporządkowanej oraz rankngowej zmennej zależnej. Dodatkowo prezentowane są wynk badana emprycznego mającego na celu dentyfkację czynnków wpływających na prawdopodobeństwo dośwadczena problemu prawnego oraz sposobu reakcj na nego. Autor pragne podzękować współautorom wcześnejszych prac, z których pochodzły nspracje do przeprowadzena badań emprycznych. Dzęk współpracy autor uzyskał nezbędną wedzę, która pomogła w specyfkacj odpowednch model ekonometrycznych. Autor składa podzękowana Łukaszow Arendtow, Karolow Korczakow, Krzysztofow Szczygelskemu, Snanow Tandoganow, Teomanow Pamukcu, Rchardow Woodwardow. Wynk nektórych badań były prezentowane podczas zebrań w ramach semnarum naukowego pt. Modelowane gospodark narodowej. Autor pragne podzękować uczestnkom tych zebrań, w tym przede wszystkm Aleksandrow Welfe, Mchałow Majsterkow, Robertow Kelmow, Anne Staszewskej-Bystrovej, Potrow Kębłowskemu, Potrow Karpow, Eml Gosńskej, Katarzyne Leszkewcz-Kędzor, Aleksandrze Majchrowskej, Sylw Roszkowskej, Iwone Śweczewskej, Jakubow Boratyńskemu za wnklwe szczegółowe uwag, które często przyczynały sę do poprawy jakośc uzyskwanych rezultatów. Szczególne podzękowana autor składa Ewe Stawasz- -Grabowskej oraz Mchałow Majsterkow za cerplwość w lekturze całośc monograf. Ewentualne nedocągnęca błędy należy zalczyć na konto autora.
12 Notacja wykorzystywana w monograf Ze względu na dużą lczbę wzorów oraz nnych symbol pojawających sę w nnejszej monograf użyteczne wydaje sę przedstawene ndeksu wzorów symbol. Czytelnk analzujący wzory przekształcena znajdujące sę w kolejnych rozdzałach może odwoływać sę do nego w celu upewnena sę, jak odczytywać określone oznaczena. Indeksowane = 1,, I jednostk. j = 1,, J grupy (klastry) w ogólnym modelu welopozomowym. qq = 1,, QQ grupy dla efektów losowych. w = 1,, W województwa (w modelu ogólnym). s = 1,, S sekcje (w modelu ogólnym). j1 = 1,, J1 gmny w przykładowym modelu welopozomowym rozważanym w podrozdzale 3.3. j2 = 1,, J2 powaty w przykładowym modelu welopozomowym rozważanym w podrozdzale 3.3. j3 = 1,, J3 województwa w przykładowym modelu welopozomowym rozważanym w podrozdzale 3.3. jj1 = 1,, JJ1 grupy PKD w przykładowym modelu welopozomowym z efektam krzyżowym rozważanym w podrozdzale 3.4. jj2 = 1,, JJ2 dzały PKD w przykładowym modelu welopozomowym z efektam krzyżowym rozważanym w podrozdzale 3.4. jj3 = 1,, JJ3 sekcje PKD w przykładowym modelu welopozomowym z efektam krzyżowym rozważanym w podrozdzale 3.4. ss = 2,, SS pozomy zagneżdżena. l = 1,, L wybory dokonywane przez jednostkę w uporządkowanym modelu polchotomcznym. r = 1,, RA rankng. k = 1,, K zmenne egzogenczne. k = 1,, K1 zmenne egzogenczne wpływające na wynk jednostk na pozome województw (podrozdzał 3.3). k = 1,, K2 zmenne egzogenczne wpływające na wynk jednostk na pozome powatów (podrozdzał 3.3).
13 14 Notacja wykorzystywana w monograf k = 1,, K3 zmenne egzogenczne wpływające na wynk jednostk na pozome gmn (podrozdzał 3.3). k = 1,, K4 zmenne egzogenczne wpływające na wynk jednostk na pozome ndywdualnym (podrozdzał 3.3). kkkk = 1,, KKKK zmenne egzogenczne dostępne na pozome ndywdualnym, defnowane we wprowadzenu do modelu welopozomowego (podrozdzał 3.3). kkkk = KKKK + 1,, KKKK + KKKK zmenne egzogenczne obserwowalne na pozome grupowym, defnowane we wprowadzenu do modelu welopozomowego (podrozdzał 3.3). kkkk = 1,, KKKK zmenne egzogenczne, których oddzaływane na zmenną zależną różn sę mędzy grupam. m = 1,, M równana w standardowym welopozomowym, welorównanowym modelu probtowym. n = 1, teracje w przypadkach stosowana metod symulacyjnych. h = 1,, H replkacje w metodze bootstrap oraz MCMC. p = 1,, P prog w modelu polchotomcznym uporządkowanym. d = 1,, D strukturyzacje w modelu welopozomowym z efektam krzyżowym. g = 1,, G grupy podczas omawana testu Hosmera-Lemeshowa. t = 1,, T ndeks czasu. b = 1,, B waranty do uszeregowana w modelu regresj rankngowej. Notacja dla zmennej zależnej y zmenna zależna. T y = wektor obserwacj na zmennej objaśnanej. [ ] y1 y I T y j = yj1 y ji j wektor obserwacj dla j-tej grupy (j-tego klastra). y T T T = y 1 y J wektor wszystkch obserwacj na zmennej objaśnanej, składający sę z wektorów obserwacj dla poszczególnych klastrów. * y zmenna neobserwowalna, zwązana ze zmenną dwumanową lub uporządkowaną. y ( m) m-ta zmenna zależna w welorównanowym modelu probtowym. y wektor endogencznych regresorów w endogencznym modelu probtowym. Notacja dla zmennych nezależnych x zmenna nezależna. X macerz obserwacj na wszystkch zmennych objaśnających. x -ty wersz macerzy X, odpowadający wektorow wartośc na zmennych objaśnających dla -tej jednostk. x wektor obserwacj na zmennych objaśnających w równanu zwązanym l z l-tym wyborem w modelu polchotomcznym neuporządkowanym.
14 Notacja wykorzystywana w monograf 15 xxxx wektor wszystkch zmennych objaśnających w endogencznym modelu probtowym. xxxx (1) wektor zmennych egzogencznych wpływających bezpośredno na zmenną wynkową w endogencznym modelu probtowym. xxxx (2) wektor zmennych nstrumentalnych w endogencznym modelu probtowym. x (ss) wektor obserwacj na zmennych objaśnających na s-tym pozome zagneżdżena (w modelu welopozomowym). X [1] macerz obserwacj na zmennych objaśnających obserwowanych na pozome ndywdualnym. X [2] macerz obserwacj na zmennych objaśnających dostępnych na pozome grupowym. X [3] podmacerz macerzy X [1] zawerająca zmenne obserwowalne na pozome ndywdualnym, których wpływ na regresanta losowo różn sę mędzy grupam (np. regonam). ( j) X [ 3] podmacerz macerzy X [3] zawerająca wektory zerowe dla jednostek nenależących do j-tej grupy oraz wektory odpowadające wektorom macerzy X [3] dla jednostek należących do j-tej grupy. X j macerz obserwacj na zmennych objaśnających dla konkretnej j-tej grupy (j-tego klastra). T X T T = X 1 X J macerz obserwacj na zmennych objaśnających zawerająca podmacerze składające sę z macerzy obserwacj dla poszczególnych grup (klastrów). x (m) wektor obserwacj dla -tej jednostk na zmennych występujących w m-tym równanu w welorównanowych modelach probtowych. xxxx wektor wszystkch zmennych egzogencznych w endogencznym modelu probtowym. xxxx (1) wektor zmennych egzogencznych nebędących nstrumentam w endogencznym modelu probtowym. xxxx (2) wektor nstrumentów w endogencznym modelu probtowym. w wektor regresorów wpływających na selekcję w modelu Heckmana. zz wektor regresorów wpływających na to, czy zmenna lcznkowa przyjmuje wartość 0 w modelu lcznkowym z podwyższoną lczbą zer. woj, x w wektor obserwacj na zmennych objaśnających dla -tej jednostk, pod warunkem, że należy ona do w-tego województwa. W przecwnym przypadku wektor ten składa sę z elementów zerowych. sek, x s wektor obserwacj na zmennych objaśnających dla -tej jednostk, pod warunkem, że należy ona do s-tej sekcj. W przecwnym wypadku wektor ten zawera tylko elementy zerowe.
15 16 Notacja wykorzystywana w monograf woj wektor zmennych bnarnych zwązanych z przynależnoścą jednostk do województwa. sek wektor zmennych bnarnych zwązanych z przynależnoścą jednostk do sekcj. xw wektor obserwacj na zmennych objaśnających wyjaśnających selekcję w modelu Heckmana. ww wektor obserwacj na zmennych różnących sę ze względu na województwa. vv wektor obserwacj na zmennych różnących sę ze względu na sekcje. w3 zmenne wpływające na wartość kategor wynkowej na pozome województw (przykład w podrozdzale 3.3). w2 zmenne wpływające na wartość kategor wynkowej na pozome powatów (przykład w podrozdzale 3.3). w1 zmenne wpływające na wartość kategor wynkowej na pozome gmn (przykład w podrozdzale 3.3). w0 zmenne wpływające na wartość kategor wynkowej na pozome ndywdualnym (przykład w podrozdzale 3.3). Notacja dla pozostałych ważnych zmennych l UZ użyteczność -tej jednostk z wyboru l-tego warantu w modelu polchotomcznym neuporządkowanym. l VZ część determnstyczna użytecznośc -tej jednostk z wyboru l-tego warantu w modelu polchotomcznym neuporządkowanym. ID zmenna bnarna, która w modelu z podwyższoną lczbą zer nformuje, czy zmenna lcznkowa jest równa 0, czy też przyjmuje wartość dodatną. K zmenna przekształcająca zmenną bnarną w nną zmenną dwuwartoścową, przyjmującą wartośc 1 (gdy przekształcana zmenna bnarna wynos 0) oraz 1 (dla zmennej bnarnej równej 1). p prawdopodobeństwo wyboru l-tego warantu przez -tą jednostkę. l l p j (p) prawdopodobeństwo, że obserwowalna zmenna zależna w uporządkowanym modelu polchotomcznym przyjme wartość p dla -tej jednostk z j-tego klastra. d zmenna bnarna przyjmująca wartość 1, jeśl -ta jednostka wybrała l-ty warant 0 w przecwnym przypadku. ll ' δ zmenna bnarna przyjmująca wartość 1, jeśl dla -tej jednostk warant l-ty jest preferowany w stosunku do warantu l. Notacja dla elementów zwązanych z efektam losowym w modelach welopozomowych Z macerz przy efektach losowych. Składa sę ona główne ze zmennych zero-jedynkowych defnujących przynależność określonych jednostek do poszczególnych klastrów (grup), a także z tych zmennych wchodzących w skład macerzy X, których oddzaływane na zmenną zależną różn sę mędzy grupam (klastram).
16 Notacja wykorzystywana w monograf 17 ZP z wektor przy efektach losowych w równanu wyjaśnającym skłonność frm do posadana technolog nformacyjnych komunkacyjnych w procesach bznesowych zwązanych z zarządzanem przedsęborstwem. z wektor przy efektach losowych w równanu wyjaśnającym skłonność frm ERP do posadana technolog nformacyjnych komunkacyjnych w procesach bznesowych zwązanych z zarządzanem zasobam przedsęborstwa. z wektor przy efektach losowych w równanu wyjaśnającym skłonność frm CAD do posadana technolog nformacyjnych komunkacyjnych w procesach bznesowych zwązanych ze wsparcem dla projektowana wytwarzana CAD/ CAM. z wektor przy efektach losowych w równanu wyjaśnającym skłonność frm SM do posadana technolog nformacyjnych komunkacyjnych w procesach bznesowych zwązanych ze sterowanem maszynam lub lną produkcyjną. z wektor przy efektach losowych w równanu wyjaśnającym skłonność INW frm do nwestowana w rozwój technolog nformacyjnych telekomunkacyjnych. z wektor przy efektach losowych w równanu wyjaśnającym skłonność frm BR do posadana własnego wydzału B+R. PROD z wektor przy efektach losowych w równanu wyjaśnającym skłonność frm do wprowadzana nnowacj produktowych. PROC z wektor przy efektach losowych w równanu wyjaśnającym skłonność frm do wprowadzana nnowacj procesowych lub organzacyjnych. MARK z wektor przy efektach losowych w równanu wyjaśnającym skłonność frm do wprowadzana nnowacj marketngowych. PR z wektor przy efektach losowych w równanu wyjaśnającym prawdopodobeństwo zastnena problemu prawnego. Notacja dla składnków losowych efektów losowych ε wektor składnków losowych. ε (m) wektor składnków losowych dla m-tego równana w modelach zawerających węcej nż jedno równane. ε składnk losowy w równanu zwązanym z l-tym wyborem w modelu pol- l chotomcznym neuporządkowanym. l ε z j składnk losowy zwązany z -tą jednostką należącą do j-tej grupy oraz l-tym wyborem w welopozomowym neuporządkowanym modelu polchotomcznym. ê reszty. e składnk losowe (po ortogonalzacj) w welorównanowym modelu probtowym.
17 18 Notacja wykorzystywana w monograf u wektor wszystkch efektów losowych. u [1] podwektor wektora efektów losowych zwązany z losowym wpływem poszczególnych zmennych egzogencznych na zmenną zależną. u [2] podwektor wektora efektów losowych zwązany z losowym wyrazem wolnym. u j efekty losowe dla poszczególnych klastrów. u (ss) efekty losowe na ss-tym pozome zagneżdżena. T u T T = u 1 u J wektor efektów losowych. uuuu h wektor efektów losowych dla h-tej replkacj podczas wykorzystywana metody MCMC w celu estymacj parametrów uogólnonego lnowego modelu welopozomowego. u {j} wektor zawerający efekty losowe w przypadku j-tej grupy oraz elementy zerowe dla pozostałych grup. u ZP efekty losowe w równanu wyjaśnającym skłonność przedsęborstw do wykorzystywana technolog nformacyjnych komunkacyjnych w zakrese zarządzana produkcją. ε ZP składnk losowy w równanu wyjaśnającym skłonność przedsęborstw do wykorzystywana technolog nformacyjnych komunkacyjnych w zakrese zarządzana produkcją. u ERP efekty losowe w równanu wyjaśnającym skłonność przedsęborstw do wykorzystywana technolog nformacyjnych komunkacyjnych w zakrese zarządzana zasobam przedsęborstwa. ε ERP składnk losowy w równanu wyjaśnającym skłonność przedsęborstw do wykorzystywana technolog nformacyjnych komunkacyjnych w zakrese zarządzana zasobam przedsęborstwa. u CAD efekty losowe w równanu wyjaśnającym skłonność przedsęborstw do wykorzystywana technolog nformacyjnych komunkacyjnych w zakrese wsparca dla projektowana wytwarzana CAD/CAM. ε CAD składnk losowy w równanu wyjaśnającym skłonność przedsęborstw do wykorzystywana technolog nformacyjnych komunkacyjnych w zakrese wsparca dla projektowana wytwarzana CAD/CAM. u SM efekty losowe w równanu wyjaśnającym skłonność przedsęborstw do wykorzystywana technolog nformacyjnych komunkacyjnych w zakrese sterowana maszynam lub lną produkcyjną. ε SM składnk losowy w równanu wyjaśnającym skłonność przedsęborstw do wykorzystywana technolog nformacyjnych komunkacyjnych w zakrese sterowana maszynam lub lną produkcyjną. u INW efekty losowe w równanu wyjaśnającym skłonność przedsęborstw do nwestowana w rozwój technolog nformatycznych komunkacyjnych. ε INW składnk losowy w równanu wyjaśnającym skłonność przedsęborstw do nwestowana w rozwój technolog nformatycznych komunkacyjnych.
18 Notacja wykorzystywana w monograf 19 u BR efekty losowe w równanu wyjaśnającym skłonność przedsęborstw do posadana wewnętrznego wydzału B+R. ε BR składnk losowy w równanu wyjaśnającym skłonność przedsęborstw do posadana wewnętrznego wydzału B+R. u PROD efekty losowe w równanu wyjaśnającym skłonność przedsęborstw do wprowadzana nnowacj produktowych. ε PROD składnk losowy w równanu wyjaśnającym skłonność przedsęborstw do wprowadzana nnowacj produktowych. u PROC efekty losowe w równanu wyjaśnającym skłonność przedsęborstw do wprowadzana nnowacj procesowych lub organzacyjnych. ε PROC składnk losowy w równanu wyjaśnającym skłonność przedsęborstw do wprowadzana nnowacj procesowych lub organzacyjnych. u MARK efekty losowe w równanu wyjaśnającym skłonność przedsęborstw do wprowadzana nnowacj marketngowych. ε MARK składnk losowy w równanu wyjaśnającym skłonność przedsęborstw do wprowadzana nnowacj marketngowych. u PR wektor efektów losowych w modelu wyjaśnającym prawdopodobeństwo zastnena problemu prawnego. ε PR składnk losowy w modelu wyjaśnającym prawdopodobeństwo zastnena problemu prawnego. Główne parametry estymatory β parametr lustrujący wpływ zmennej objaśnającej na zmenną zależną w wększośc przypadków. β wektor parametrów. β (m) wektor parametrów zwązany z m-tym równanem w modelach welorównanowych. β [1] wektor parametrów przy zmennych obserwowalnych na pozome jednostek. β [2] wektor parametrów przy zmennych dostępnych na pozome grupowym. (jjjj) ββββ [3] wektor parametrów przy zmennych wchodzących w skład macerzy ( j) X [ 3]. β ]q[ wektor parametrów dla kwantyla rzędu q w metodze regresj kwantylowej. ββββ PPPPOOOOSSSS estymator uzyskany klasyczną metodą najmnejszych kwadratów. ββββ GGGGOOOOOOOO estymator uzyskany uogólnoną metodą najmnejszych kwadratów. ββββ FFFFGGGGGGGGGGGG estymator uzyskany uogólnoną metodą najmnejszych kwadratów z estymacją. ββββ SSSSSSSS estymator uzyskany metodą najwększej warygodnośc.
19 20 Notacja wykorzystywana w monograf ββββ QQQQ estymator regresj kwantylowej. ββββ SSSS estymator M. ββββ SSSS estymator S. ββββ SSSSSSSS estymator MM. ββββ BBBBOOOO estymator parametrów uogólnonego lnowego modelu welopozomowego, uzyskany w wynku zastosowana korekty Breslowa Lna. ββββ {uuuuuuuu} estymator neskorygowany parametrów uogólnonego lnowego modelu welopozomowego. β l wektor parametrów zwązanych z l-tym wyborem w modelu polchotomcznym neuporządkowanym. ββββ wwwwwwwwjjjj,wwww wektor parametrów zwązanych z w-tym województwem ββββ ssssssssssss,ssss wektor parametrów zwązanych z s-tą sekcją. β {n} wektor parametrów w n-tej teracj. β ZP wektor parametrów przy zmennych objaśnających w równanu wyjaśnającym skłonność do wykorzystywana TIK w procesach bznesowych zwązanych z zarządzanem produkcją. β ERP wektor parametrów przy zmennych objaśnających w równanu wyjaśnającym skłonność do wykorzystywana TIK w procesach bznesowych zwązanych z zarządzanem zasobam przedsęborstwa. β CAD wektor parametrów przy zmennych objaśnających w równanu wyjaśnającym skłonność do wykorzystywana TIK w procesach bznesowych zwązanych ze wsparcem dla projektowana wytwarzana CAD/CAM. β SM wektor parametrów przy zmennych objaśnających w równanu wyjaśnającym skłonność do wykorzystywana TIK w procesach bznesowych zwązanych ze sterowanem maszynam lub lną produkcyjną. β INW wektor parametrów przy zmennych objaśnających w równanu wyjaśnającym skłonność do nwestowana w rozwój technolog nformacyjnych komunkacyjnych. β BR wektor parametrów przy zmennych objaśnających w równanu wyjaśnającym skłonność do posadana własnego wydzału B+R. β PROD wektor parametrów przy zmennych objaśnających w równanu wyjaśnającym skłonność do wprowadzana nnowacj produktowych. β PROC wektor parametrów przy zmennych objaśnających w równanu wyjaśnającym skłonność do wprowadzana nnowacj procesowych lub organzacyjnych. β MARK wektor parametrów przy zmennych objaśnających w równanu wyjaśnającym skłonność do wprowadzana nnowacj marketngowych.
20 Notacja wykorzystywana w monograf 21 β PR wektor parametrów (stałych) w równanu wyjaśnającym prawdopodobeństwo zastnena problemu prawnego. bbbb (ΘΘΘΘ) wartość oczekwana oszacowana uzyskanego metodą quas-najwększej warygodnośc w uogólnonym lnowym modelu welopozomowym, gdy ΘΘΘΘ jest wektorem prawdzwych parametrów. ΣΣΣΣ = σσσσ 2 WWWW macerz kowarancj mędzy składnkam losowym dla różnych obserwacj. ΣΣΣΣ macerz kowarancj mędzy składnkam losowym z różnych równań w standardowym welopozomowym, welorównanowym modelu probtowym. ΣΣΣΣ εεεε2εεεε2 macerz kowarancj mędzy składnkam losowym wchodzącym w skład wektora ε (2) (endogenczny model probtowy). ΣΣΣΣ εεεε2εεεε1 wektor składający sę z kowarancj mędzy składnkam losowym wchodzącym w skład wektora ε (2) a składnkem losowym ε (1) (endogenczny model probtowy). 2 σ ε1 warancja składnka losowego ε (1) w endogencznym modelu probtowym. Ω macerz kowarancj mędzy efektam losowym. Ω (ss) macerz kowarancj mędzy efektam losowym na s-tym pozome zagneżdżena. ( ss) Q dekompozycja Choleskego macerzy Ω (s). θ wektor zawerający unkatowe elementy macerzy Ω. ΘΘΘΘ wektor zawerający wszystke parametry do estymacj w uogólnonym lnowym modelu welopozomowym. V macerz kowarancj mędzy obserwacjam na zmennej zależnej. ρ współczynnk korelacj mędzy składnkam losowym z dwóch równań w dwurównanowym modelu probtowym. ρ mm' współczynnk korelacj w welorównanowym modelu probtowym mędzy składnkam losowym z równań m oraz m. τ ρ parametr progowy w modelu polchotomcznym uporządkowanym. τ wektor składający sę z parametrów progowych w modelu polchotomcznym uporządkowanym. κκ parametr progowy zwązany z funkcją straty (1) w estymacj odpornej. cc parametr progowy zwązany z funkcją straty (2) w estymacj odpornej. ccc punkt progowy wyznaczany podczas merzena jakośc dopasowana w modelu dwumanowym. Μ (ssss) lczba efektów losowych na pozome s. µ q wartość kwantyla rzędu q.
21 22 Notacja wykorzystywana w monograf λ parametr ntensywnośc w modelu Possona. α parametr zwązany z nadwyżką warancj ponad wartość oczekwaną w modelu ujemnym dwumanowym. ρρρρ wektor parametrów lustrujących wpływ przynależnośc do województw na wartość zmennej wynkowej (podrozdzał 3.2). ρρρρ wektor parametrów lustrujących wpływ przynależnośc do sekcj na wartość zmennej wynkowej (podrozdzał 3.2). ςςςς wektor parametrów merzących wpływ endogencznych regresorów na wartość zmennej wynkowej w endogencznym modelu probtowym. w π wektor parametrów odzwercedlających wpływ zmennych egzogencznych na endogenczne regresory w endogencznym modelu probtowym. J macerz przekształcająca wektor obserwacj na wszystkch zmennych egzogencznych w wektor nezawerający nstrumentów w endogencznym modelu probtowym. MA macerz zawerająca zera jedynk w modelu welopozomowym. Przypsane wartośc 1 lub 0 zależy od tego, czy jednostka należy do danej grupy, czy ne. W 0 macerz wag wykorzystywana podczas aproksymacj funkcj warygodnośc za pomocą propozycj Longforda w modelu welopozomowym. ΘΘΘΘ estymator dla wektora wszystkch parametrów uzyskany w wynku maksymalzacj funkcj quas-najwększej warygodnośc. {uuuu} ΘΘΘΘ BBBBCCCC,MMMMKKKKMMMM wektor oszacowań wszystkch parametrów modelu welopozomowego w n-tej teracj, wykorzystywany do symulacj bootstrap zgodne z propozycją Kuka. {uuuu} ΘΘΘΘ BBBBCCCC,RRRRSSSS wektor oszacowań wszystkch parametrów modelu welopozomowego w n-tej teracj, wykorzystywany podczas stosowana metody stochastycznej aproksymacj Robbnsa-Monro. ΘΘΘΘ h wektor oszacowań parametrów modelu welopozomowego dla h-tej replkacj w modelu welopozomowym podczas wykorzystana metod bootstrapowych. ΘΘΘΘ średna z oszacowań dla wszystkch replkacj podczas wykorzystana bootstrapowych metod korekty obcążena. ζζζζ wektor odpowadający kryterum zbeżnośc. ψψψψ wektor parametrów merzących wpływ zmennych wchodzących w skład wektora ww na wartość zmennej wynkowej. ωωωω wektor parametrów merzących wpływ zmennych wchodzących w skład wektora vv na wartość zmennej wynkowej.
22 Notacja wykorzystywana w monograf 23 γ wektor parametrów przy zmennych w równanu selekcj w modelu Heckmana. γγγγ wektor parametrów przy zmennych wpływających na fakt przyjmowana przez zmenną zależną zerowej wartośc w modelu lcznkowym z podwyższoną lczbą zer. ππππ parametry merzące wpływ zmennych w3 na wartość zmennej wynkowej. γγγγ parametry merzące wpływ zmennych w2 na wartość zmennej wynkowej. ββββ parametry merzące wpływ zmennych w1 na wartość zmennej wynkowej. αααα parametry merzące wpływ zmennych w0 na wartość zmennej wynkowej. p ˆ g średne prawdopodobeństwo, że zmenna zależna przyjmuje wartość 1 w g-tej grupe (dla testu Hosmera-Lemeshowa). H macerz zawerająca macerze π oraz J w endogencznym modelu probtowym. T T T = MO y u macerz obserwacj na wszystkch zmennych w modelu welopozomowym (obserwowalnych neobserwowalnych). μμμμ qqqq wartość oczekwana dla q-tego efektu losowego. ττττ qqqq 2 warancja dla q-tego efektu losowego. l uz j użyteczność -tej jednostk należącej do j-tego klastra zwązana z l-tym wyborem w welopozomowym, neuporządkowanym modelu polchotomcznym. l fz j determnstyczny składnk losowy, reprezentujący obserwowaną heterogenczność warantów do wyboru jednostek oraz klastrów w welopozomowym, neuporządkowanym modelu polchotomcznym. l δ z j zmenna sztuczna, reprezentująca neobserwowalną heterogenczność w welopozomowym, neuporządkowanym modelu polchotomcznym. Główne funkcje E ( ) warunkowa wartość oczekwana. F ξ ( ) dystrybuanta zmennej losowej ξ. funkcja celu w metodze regresj kwantylowej. ρρ funkcja straty w podrozdzale pośwęconym odpornym metodom esty- QI ( ) ( ) macj parametrów. Φ( ) dystrybuanta standardowego rozkładu normalnego. φ ( ) funkcja gęstośc standardowego rozkładu normalnego.
23 24 Notacja wykorzystywana w monograf Φ SSSS ( ) dystrybuanta M-wymarowego rozkładu normalnego. Λ( ) dystrybuanta rozkładu logstycznego. HHHH( ) dystrybuanta komplementarnego rozkładu log-log. I{.} funkcja wskaźnkowa przyjmująca wartość 1, gdy warunek zdefnowany w klamrowym nawase jest spełnony. IIII pppp yyyy jjjj funkcja przyjmująca wartość 1, jeśl zmenna uporządkowana dla -tej obserwacj należącej do j-tego klastra przyjmuje wartość p oraz 0 w przecwnym przypadku. qqqqqqqq(θθθθ) funkcja quas-najwększej warygodnośc. qqqqqqqq SSSS1 (ΘΘΘΘ) funkcja quas-najwększej warygodnośc wykorzystująca aproksymację Solomona-Coxa typu perwszego. qqqqqqqq SSSS2 (ΘΘΘΘ) funkcja quas-najwększej warygodnośc wykorzystująca aproksymację Solomona-Coxa typu drugego. lnqqqq jjjj (ΘΘΘΘ) ssss 0 = kkkk lnoooo jjjj (ΘΘΘΘ) uuuu kkkk dla uuuu ssss jjjj = 0. jjjj. rrrr funkcja wyrażająca ogólną postać funkcj quas-najwększej warygodnośc. ππππ ffff ( ) ogólna funkcja nelnowego modelu welopozomowego. H-L statystyka testu Hosmera-Lemeshowa. IMR odwrócony loraz Mllsa. h(, ) łączna funkcja gęstośc zmennych y oraz y w endogencznym modelu probtowym. fep ( ) funkcja gęstośc rozkładu warunkowego y względem y w endogencznym modelu probtowym. gep ( ) brzegowa funkcja gęstośc rozkładu y w endogencznym modelu probtowym. gl ( ) funkcja łączącą w uogólnonych lnowych modelach welopozomowych. guu ( ) funkcja gęstośc wektora losowego. huu ( ) rozkład próbkowy efektów losowych wykorzystywany podczas stosowana algorytmu Metropolsa-Hastngsa. fwj ( ) funkcja gęstośc warunkowego rozkładu zmennej wynkowej względem efektów losowych w modelach welopozomowych dla j-tej grupy. fw ( ) funkcja gęstośc warunkowego rozkładu wektora wartośc zmennej wynkowej względem efektów losowych w modelach welopozomowych. fw ( ) funkcja gęstośc rozkładu warunkowego zmennej wynkowej względem efektów losowych parametrów dla -tej jednostk.
24 ( ) Notacja wykorzystywana w monograf 25 hw funkcja zależna od wszystkch parametrów efektów losowych (wykorzystywana przy defnowanu wkładu j-tej grupy do funkcj warygodnośc). lnl ogólny zaps dla logarytmu funkcj warygodnośc. lnl g I funkcja warygodnośc maksymalzowana w perwszym kroku dla endogencznego modelu probtowego. lnl f I funkcja warygodnośc maksymalzowana w drugm kroku dla endogencznego modelu probtowego. Lj L g j u u ( ) ( ) ( ) wkład j-tej grupy do funkcj warygodnośc. wkład -tej jednostk należącej do j-tej grupy do funkcj warygodnośc. funkcja gęstośc dla pojedynczego efektu losowego. µ = E y (, ) ( ) u. d y µ u funkcja zależna od zmennej wynkowej warunkowej wartośc oczekwanej zmennej wynkowej względem efektów losowych. κκκκ = (ββββ, φφφφ). { } 1 j,, L L j = lj l zbór wszystkch możlwych wyborów dla -tej jednostk należącej do j-tego klastra w welopozomowym neuporządkowanym modelu po- j lchotomcznym. Mernk jakośc dopasowana oraz mernk wpływu zmennych egzogencznych na prawdopodobeństwo, że zmenna zależna przyjmuje określone wartośc 2 R bnary pseudo R-kwadrat. 2 R współczynnk determnacj Ben-Akva Lermana oraz Kaya Lttle. BL 2 Ef R współczynnk determnacj R 2 -Efrona. 2 R VZ współczynnk determnacj Vealla Zmmermana. 2 R współczynnk determnacj Zavony McKelveya. MZ 2 R McFadden współczynnk determnacj McFaddena. 2 R Nagelkerke współczynnk determnacj Nagelkerke a. CP procent poprawnych predykcj. SENSITIVITY czułość. SPECIFICITY specyfczność. PPV pozytywna wartość predyktywna. NPV negatywna wartość predyktywna.
25 26 Notacja wykorzystywana w monograf l MPE k wpływ margnalnej zmany wartośc k-tej zmennej egzogencznej na prawdopodobeństwo, że -ta jednostka wyberze l-ty warant. ˆ l MPE efekt krańcowy dla średnej. k AMPE średn efekt krańcowy. ˆ l k Zmenne wykorzystywane w badanach emprycznych Rozdzał 3 WYN wynagrodzene. SZK pozom wykształcena merzony lczbą lat nauk. XZ dośwadczene zawodowe merzone lczbą przepracowanych lat. D1 zmenna zero-jedynkowa zwązana z wykształcenem podstawowym. D2 zmenna zero-jedynkowa zwązana z wykształcenem średnm. D3 zmenna zero-jedynkowa zwązana z wykształcenem wyższym. ZK zmenna kontrolna w równanu wyjaśnającym wynagrodzena (podrozdzał 3.5). plac_nom t nomnalne płace przecętne (w modelu wyjaśnającym wynagrodzena na pozome makro). cen t ndeks cen konsumpcyjnych (CPI) (w modelu wyjaśnającym wynagrodzena na pozome makro). wyd_prac t wydajność pracy (w modelu wyjaśnającym wynagrodzena na pozome makro). bezr t stopa bezroboca (w modelu wyjaśnającym wynagrodzena na pozome makro). WYN_NOM t wynagrodzene nomnalne. WYN_REL t wynagrodzene relatywne, będące lorazem wynagrodzena nomnalnego medany wynagrodzeń. WYZSZE zmenna bnarna przyjmująca wartość 1 dla pracownka z wyższym wykształcenem. SREDNIE_ZAWODOWE zmenna bnarna przyjmująca wartość 1 dla pracownka z wykształcenem średnm techncznym lub polcealnym. ZASADNICZE_ZAWODOWE zmenna bnarna przyjmująca wartość 1 dla pracownka z wykształcenem zasadnczym zawodowym. PODSTAWOWE zmenna bnarna przyjmująca wartość 1 dla pracownka z wykształcenem podstawowym. DOSW_FIRMA lczba przepracowanych lat przez pracownka w frme, w której obecne pracuje. DOSW_OGOL lczba pełnych lat przepracowanych przez pracownka. ROZMIAR_10_49 zmenna bnarna przyjmująca wartość 1, jeśl frma (zatrudnająca -tego pracownka) zatrudna co najmnej 10 mnej nż 50 osób. ROZMIAR_50_249 zmenna bnarna przyjmująca wartość 1, jeśl frma (zatrudnająca -tego pracownka) zatrudna co najmnej 50 mnej nż 250 osób.
26 Notacja wykorzystywana w monograf 27 w t ROZMIAR_250_499 zmenna bnarna przyjmująca wartość 1, jeśl frma (zatrudnająca -tego pracownka) zatrudna co najmnej 250 mnej nż 500 osób. ROZMIAR_CON500 zmenna bnarna przyjmująca wartość 1, jeśl frma (zatrudnająca -tego pracownka) zatrudna co najmnej 500 osób. KOBIETA zmenna bnarna przyjmująca wartość 1 w przypadku kobet oraz 0 dla mężczyzn. SEKTOR_PRYWATNY zmenna bnarna przyjmująca wartość 1 w przypadku pracownka frmy z sektora prywatnego. NIEOKRESLONY zmenna bnarna przyjmująca wartość 1 w przypadku, gdy pracownk jest zatrudnony na czas neokreślony. BEZR stopa bezroboca w okrese t w województwe w, będącym sedzbą frmy, w której pracuje -ty pracownk. k BEZR t stopa bezroboca w Polsce w okrese t. BBBBEEEEEEEEEEEE wwww relatywna stopa bezroboca w okrese t w województwe w, będącym sedzbą frmy, w której pracuje -ty pracownk. Jest ona lorazem stopy bezroboca dla województwa do stopy bezroboca dla całego kraju. w której w WYD t pozom wydajnośc pracy w okrese t w województwe w, będącym sedzbą frmy, w której pracuje -ty pracownk. WWWWWWWWWWWW wwww relatywny pozom wydajnośc pracy w okrese t w województwe w, będącym sedzbą frmy, w której pracuje -ty pracownk. Rozdzał 4 ICT_KS zmenna bnarna przyjmująca wartość 1 dla frm wykorzystujących TIK w ksęgowośc. ICT_ZZL zmenna bnarna przyjmująca wartość 1 dla frm wykorzystujących TIK w procesach bznesowych zwązanych z zarządzanem zasobam ludzkm. ICT_ZZ zmenna bnarna przyjmująca wartość 1 dla frm wykorzystujących TIK w procesach bznesowych zwązanych z zarządzanem zaopatrzenem. ICT_ZP zmenna bnarna przyjmująca wartość 1 dla frm wykorzystujących TIK w procesach bznesowych zwązanych z zarządzanem produkcją. ICT_CRM zmenna bnarna przyjmująca wartość 1 dla frm wykorzystujących TIK w procesach bznesowych zwązanych z zarządzanem sprzedażą kontaktem z klentam. ICT_ERP zmenna bnarna przyjmująca wartość 1 dla frm wykorzystujących TIK w procesach bznesowych zwązanych z zarządzanem zasobam przedsęborstwa. ICT_CAD zmenna bnarna przyjmująca wartość 1 dla frm wykorzystujących TIK w procesach bznesowych zwązanych ze wsparcem dla projektowana wytwarzana CAD/CAM.
27 28 Notacja wykorzystywana w monograf ICT_SM zmenna bnarna przyjmująca wartość 1 dla frm wykorzystujących TIK w procesach bznesowych zwązanych ze sterowanem maszynam lub lną produkcyjną. ICT_ZPAB zmenna bnarna przyjmująca wartość 1 dla frm wykorzystujących TIK w procesach bznesowych zwązanych z zarządzanem pracam admnstracyjno-burowym. INNOW_PROD zmenna bnarna przyjmująca wartość 1 dla frm, które w cągu ostatnch 24 mesęcy wprowadzły nnowację produktową. INNOW_PROC zmenna bnarna przyjmująca wartość 1 dla frm, które w cągu ostatnch 24 mesęcy wprowadzły nnowację procesową lub organzacyjną. INNOW_MARKT zmenna bnarna przyjmująca wartość 1 dla frm, które w cągu ostatnch 24 mesęcy wprowadzły nnowację marketngową. INWESTYCJE_ICT zmenna bnarna przyjmująca wartość 1 dla frm nwestujących w technologe nformatyczne komunkacyjne. BR zmenna bnarna przyjmująca wartość 1 dla frm posadających własny dzał B+R. ROZMIAR logarytm z lczby osób zatrudnonych w frme. WWKK zmenna bnarna przyjmująca wartość 1 w przypadku frm, w których wększość kadry kerownczej posada wyższe wykształcene. WWP zmenna bnarna przyjmująca wartość 1 w przypadku frm, w których wększość szeregowych pracownków posada wyższe wykształcene. MSWKK zmenna bnarna przyjmująca wartość 1 w przypadku frm stosujących motywacyjny system wynagradzana kadry kerownczej. MSWP zmenna bnarna przyjmująca wartość 1 w przypadku frm stosujących motywacyjny system wynagradzana pracownków. Zaseg_KZ zmenna bnarna przyjmująca wartość 1 w przypadku frm o ogólnokrajowym lub zagrancznym zasęgu oddzaływana. Ocena_okresowa zmenna bnarna przyjmująca wartość 1 w przypadku frm prowadzących okresową ocenę kompetencj pracownków pod kątem ch przydatnośc do potrzeb frmy. SZKOLENIA_TIK zmenna bnarna przyjmująca wartość 1 w przypadku frm organzujących dodatkowe szkolena dla pracownków w zwązku z wdrażanem TIK. BRANZA_PRZEM zmenna bnarna przyjmująca wartość 1 w przypadku frm z branży przemysłowej. BRANZA_BUD zmenna bnarna przyjmująca wartość 1 w przypadku frm z branży budownctwo. BRANZA_PHU zmenna bnarna przyjmująca wartość 1 w przypadku frm z branży produkcyjno-handlowo-usługowej. ZES_ROB zmenna bnarna przyjmująca wartość 1 dla frm, w których tworzone są zespoły robocze.
28 Notacja wykorzystywana w monograf 29 DZIEL_INF zmenna bnarna przyjmująca wartość 1 w przypadku frm, w których stneje zwyczaj dzelena sę nformacjam stotnym dla funkcjonowana frmy z pracownkam. NOW_UM_INF zmenna bnarna przyjmująca wartość 1 dla frm, w których wszyscy nowo przyjmowan pracowncy mają wysoke umejętnośc nformatyczne. ORG zmenna lustrująca gotowość frmy do przeprowadzena zmany organzacyjnej. WZROSTOWA zmenna bnarna przyjmująca wartość 1 dla przedsęborstw, które odpowedzały, że zarówno w 2014, jak 2013 roku przychód w frme był wększy nż w poprzednm roku. RIS1 udzał meszkańców (w województwe, w którym zlokalzowana jest dana frma) z wyższym wykształcenem w populacj wszystkch osób w weku lat. RIS2 wydatk na badana rozwój w sektorze publcznym w relacj do PKB. RIS3 wydatk na badana rozwój w sektorze przedsęborstw w relacj do PKB. RIS4 wydatk na nnowacje frm małych średnch (nezwązane z wydatkam na badana rozwój) w relacj do PKB. RIS5 odsetek małych średnch przedsęborstw wprowadzających nnowacje wewnętrzne. RIS6 odsetek nnowacyjnych małych średnch przedsęborstw współdzałających z nnym. RIS7 wartość zgłoszeń patentów do Europejskego Urzędu Patentowego w relacj do PKB. RIS8 odsetek małych średnch przedsęborstw wprowadzających nnowacje produktowe lub procesowe. RIS9 odsetek małych średnch przedsęborstw wprowadzających nnowacje marketngowe. RIS10 odsetek zatrudnonych w przemysłach wysokej średnowysokej technolog oraz usługach opartych na wedzy. RIS11 relacja sprzedaży produktów stanowących nnowacje nowe dla frmy lub nowe dla rynku do całkowtych obrotów. x wektor zmennych objaśnających w równanu wyjaśnającym skłonność ZP do wykorzystywana TIK w procesach bznesowych zwązanych z zarządzanem produkcją. x wektor zmennych objaśnających w równanu wyjaśnającym skłonność ERP do wykorzystywana TIK w procesach bznesowych zwązanych z zarządzanem zasobam przedsęborstwa. x wektor zmennych objaśnających w równanu wyjaśnającym skłonność CAD do wykorzystywana TIK w procesach bznesowych zwązanych ze wsparcem dla projektowana wytwarzana CAD/CAM.
29 30 Notacja wykorzystywana w monograf SM x wektor zmennych objaśnających w równanu wyjaśnającym skłonność do wykorzystywana TIK w procesach bznesowych zwązanych ze sterowanem maszynam lub lną produkcyjną. x wektor zmennych objaśnających w równanu wyjaśnającym skłonność INW do nwestowana w rozwój technolog nformacyjnych komunkacyjnych. BR x wektor zmennych objaśnających w równanu wyjaśnającym skłonność do posadana własnego wydzału B+R. PROD x wektor zmennych objaśnających w równanu wyjaśnającym skłonność do wprowadzana nnowacj produktowych. PROC x wektor zmennych objaśnających w równanu wyjaśnającym skłonność do wprowadzana nnowacj procesowych lub organzacyjnych. MARK x wektor zmennych objaśnających w równanu wyjaśnającym skłonność do wprowadzana nnowacj marketngowych. PRODUKT x wektor zmennych objaśnających w równanu wyjaśnającym produktywność. Rozdzał 5 PR zmenna dychotomczna przyjmująca wartość 1 w przypadku osoby dośwadczającej problemu prawnego oraz 0 w przecwnym przypadku. LBUL zmenna bnarna przyjmująca wartość 1, jeśl problem prawny dośwadczany przez respondenta dotyczy prawa budowlanego. LCIV zmenna bnarna przyjmująca wartość 1, jeśl problem prawny dośwadczany przez respondenta dotyczy prawa cywlnego. LROA zmenna bnarna przyjmująca wartość 1, jeśl problem prawny dośwadczany przez respondenta dotyczy prawa drogowego. LPEN zmenna bnarna przyjmująca wartość 1, jeśl problem prawny dośwadczany przez respondenta dotyczy prawa karnego. LCON zmenna bnarna przyjmująca wartość 1, jeśl problem prawny dośwadczany przez respondenta dotyczy prawa konsumenckego. LDAM zmenna bnarna przyjmująca wartość 1, jeśl problem prawny dośwadczany przez respondenta dotyczy odszkodowań. LFIN zmenna bnarna przyjmująca wartość 1, jeśl problem prawny dośwadczany przez respondenta dotyczy problemów fnansowych. LFAM zmenna bnarna przyjmująca wartość 1, jeśl problem prawny dośwadczany przez respondenta dotyczy prawa rodznnego. LJOB zmenna bnarna przyjmująca wartość 1, jeśl problem prawny dośwadczany przez respondenta dotyczy prawa pracy. LVAL zmenna bnarna przyjmująca wartość 1, jeśl respondent uznał, że problem prawny, którego dośwadczył, jest ważny.
30 Notacja wykorzystywana w monograf 31 PR FEM zmenna bnarna przyjmująca wartość 1 w przypadku kobet oraz 0 dla mężczyzn. AGE wek respondenta. EDU1 zmenna bnarna przyjmująca wartość 1 w przypadku respondenta z wykształcenem ponadpodstawowym. EDU2 zmenna bnarna przyjmująca wartość 1 w przypadku respondenta z wykształcenem ponadśrednm. SCZO zmenna bnarna przyjmująca wartość 1, jeśl respondent jest żonatym mężczyzną lub zamężną kobetą. SCRO zmenna bnarna przyjmująca wartość 1, jeśl respondent jest osobą rozwedzoną. SCWD zmenna bnarna przyjmująca wartość 1, jeśl respondent jest wdowcem lub wdową. NFAM lczba osób w gospodarstwe domowym. DOCH dochód na osobę w gospodarstwe domowym. RESD zmenna bnarna przyjmująca wartość 1, jeśl respondent meszka w meśce powyżej meszkańców. SLAB zmenna bnarna przyjmująca wartość 1 w przypadku respondentów nezatrudnonych lub pracujących dorywczo. PAWR zmenna lustrująca pozom śwadomośc prawnej u osoby anketowanej. PCPL zmenna bnarna przyjmująca wartość 1 w przypadku respondentów twerdzących, że zawsze należy przestrzegać prawa. PUSE zmenna zwązana z postawą wobec stosowana prawa. PTRU zmenna lustrująca pozom zaufana do palestry. PAVA zmenna bnarna lustrująca subektywną ocenę dostępnośc usług prawnych. APAR zmenna bnarna przyjmująca wartość 1, jeśl respondent przynależy do organzacj społecznych. AACT zmenna bnarna przyjmująca wartość 1 w przypadku osób, które pozytywne odpowedzały na pytane dotyczące dzałalnośc społecznej. x wektor zmennych objaśnających w równanu wyjaśnającym prawdopodobeństwo dośwadczena problemu prawnego przez respondenta. Notacja dla zbeżnośc d zbeżność według rozkładu. p zbeżność według prawdopodobeństwa. Inne funkcje, parametry macerze m(end) lczba endogencznych regresorów w endogencznym modelu probtowym.
Natalia Nehrebecka. Wykład 2
Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Zajęcia 4
Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja
Bardziej szczegółowoNatalia Nehrebecka. Zajęcia 4
St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających
Bardziej szczegółowo65120/ / / /200
. W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane
Bardziej szczegółowoMikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński
Mkroekonometra 13 Mkołaj Czajkowsk Wktor Budzńsk Symulacje Analogczne jak w przypadku cągłej zmennej zależnej można wykorzystać metody Monte Carlo do analzy różnego rodzaju problemów w modelach gdze zmenna
Bardziej szczegółowoNatalia Nehrebecka. Zajęcia 3
St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 3 1. Dobroć dopasowana równana regresj. Współczynnk determnacj R Dk Dekompozycja warancj zmennej zależnej ż Współczynnk determnacj R. Zmenne cągłe a
Bardziej szczegółowoNatalia Nehrebecka. Dariusz Szymański
Natala Nehrebecka Darusz Szymańsk . Sprawy organzacyjne Zasady zalczena Ćwczena Lteratura. Czym zajmuje sę ekonometra? Model ekonometryczny 3. Model lnowy Postać modelu lnowego Zaps macerzowy modelu dl
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3
Stansław Cchock Natala Nehrebecka Katarzyna Rosak-Lada Zajęca 3 1. Dobrod dopasowana równana regresj. Współczynnk determnacj R 2 Dekompozycja warancj zmennej zależnej Współczynnk determnacj R 2 2. Zmenne
Bardziej szczegółowoANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH
Potr Mchalsk Węzeł Centralny OŻK-SB 25.12.2013 rok ANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH Celem ponższej analzy jest odpowedź na pytane: czy wykształcene radnych
Bardziej szczegółowo) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4
Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH
STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj
Bardziej szczegółowoMikroekonometria 10. Mikołaj Czajkowski Wiktor Budziński
Mkroekonometra 10 Mkołaj Czajkowsk Wktor Budzńsk Wybór uporządkowany Wybór uporządkowany (ang. ordered choce) Wybór jednej z welkośc na podanej skal Skala wartośc są uporządkowane Przykłady: Oceny konsumencke
Bardziej szczegółowoMikroekonometria 10. Mikołaj Czajkowski Wiktor Budziński
Mkroekonometra 10 Mkołaj Czajkowsk Wktor Budzńsk Jak analzować dane o charakterze uporządkowanym? Dane o charakterze uporządkowanym Wybór jednej z welkośc na uporządkowanej skal Skala ne ma nterpretacj
Bardziej szczegółowo( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X
Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są
Bardziej szczegółowoWeryfikacja hipotez dla wielu populacji
Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w
Bardziej szczegółowoIID = 2. i i i i. x nx nx nx
Zadane Analzujemy model z jedną zmenną objaśnającą bez wyrazu wolnego: y = β x + ε, ε ~ (0, σ ), gdze x jest nelosowe.. Wyznacz estymator MNK parametru β oraz oblcz jego warancję. (4 pkt) y. Zaproponowano
Bardziej szczegółowoZadane 1: Wyznacz średne ruchome 3-okresowe z następujących danych obrazujących zużyce energ elektrycznej [kwh] w pewnym zakładze w mesącach styczeń - lpec 1998 r.: 400; 410; 430; 40; 400; 380; 370. Zadane
Bardziej szczegółowo0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4
Zad. 1. Dana jest unkcja prawdopodobeństwa zmennej losowej X -5-1 3 8 p 1 1 c 1 Wyznaczyć: a. stałą c b. wykres unkcj prawdopodobeństwa jej hstogram c. dystrybuantę jej wykres d. prawdopodobeństwa: P (
Bardziej szczegółowoMikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński
Mkroekonometra 5 Mkołaj Czajkowsk Wktor Budzńsk Uogólnone modele lnowe Uogólnone modele lnowe (ang. Generalzed Lnear Models GLM) Różną sę od standardowego MNK na dwa sposoby: Rozkład zmennej objaśnanej
Bardziej szczegółowoBadanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej
Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.
Bardziej szczegółowoBadania sondażowe. Braki danych Konstrukcja wag. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa
Badana sondażowe Brak danych Konstrukcja wag Agneszka Zęba Zakład Badań Marketngowych Instytut Statystyk Demograf Szkoła Główna Handlowa 1 Błędy braku odpowedz Całkowty brak odpowedz (UNIT nonresponse)
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 7
Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 7
Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL W standardowym modelu lnowym zakładamy,
Bardziej szczegółowoMikroekonometria 15. Mikołaj Czajkowski Wiktor Budziński
Mkroekonometra 15 Mkołaj Czajkowsk Wktor Budzńsk Mkroekonometra podsumowane kursu Zagadnena ogólne NLOGIT Metoda maksymalzacj funkcj ML Testy statystyczne Metody numeryczne, symulacje Metody wyceny nerynkowej
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych
Bardziej szczegółowoKURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1
KURS STATYSTYKA Lekcja 6 Regresja lne regresj ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 Funkcja regresj I rodzaju cechy Y zależnej
Bardziej szczegółowoBadanie współzaleŝności dwóch cech ilościowych X i Y. Analiza korelacji prostej. Badanie zaleŝności dwóch cech ilościowych. Analiza regresji prostej
Badane współzaleŝnośc dwóch cech loścowych X Y. Analza korelacj prostej Badane zaleŝnośc dwóch cech loścowych. Analza regresj prostej Kody znaków: Ŝółte wyróŝnene nowe pojęce czerwony uwaga kursywa komentarz
Bardziej szczegółowoEgzamin ze statystyki/ Studia Licencjackie Stacjonarne/ Termin I /czerwiec 2010
Egzamn ze statystyk/ Studa Lcencjacke Stacjonarne/ Termn /czerwec 2010 Uwaga: Przy rozwązywanu zadań, jeśl to koneczne, naleŝy przyjąć pozom stotnośc 0,01 współczynnk ufnośc 0,99 Zadane 1 PonŜsze zestawene
Bardziej szczegółowoRachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej
Rachunek prawdopodobeństwa statstka W 11: Analz zależnoścpomędz zmennm losowm Model regresj welokrotnej Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Model regresj lnowej Model regresj lnowej prostej
Bardziej szczegółowoPropozycja modyfikacji klasycznego podejścia do analizy gospodarności
Jacek Batóg Unwersytet Szczecńsk Propozycja modyfkacj klasycznego podejśca do analzy gospodarnośc Przedsęborstwa dysponujące dentycznym zasobam czynnków produkcj oraz dzałające w dentycznych warunkach
Bardziej szczegółowoDobór zmiennych objaśniających
Dobór zmennych objaśnających Metoda grafowa: Należy tak rozpąć graf na werzchołkach opsujących poszczególne zmenne, aby występowały w nm wyłączne łuk symbolzujące stotne korelacje pomędzy zmennym opsującym.
Bardziej szczegółowoPattern Classification
attern Classfcaton All materals n these sldes were taken from attern Classfcaton nd ed by R. O. Duda,. E. Hart and D. G. Stork, John Wley & Sons, 000 wth the permsson of the authors and the publsher Chapter
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 7
Stansław Cchock Natala Nehrebecka Wykład 7 . Zmenne dyskretne Kontrasty: efekty progowe, kontrasty w odchylenach Interakcje. Przyblżane model nelnowych Stosowane do zmennych dyskretnych o uporządkowanych
Bardziej szczegółowoMetody predykcji analiza regresji
Metody predykcj analza regresj TPD 008/009 JERZY STEFANOWSKI Instytut Informatyk Poltechnka Poznańska Przebeg wykładu. Predykcja z wykorzystanem analzy regresj.. Przypomnene wadomośc z poprzednch przedmotów..
Bardziej szczegółowoProblemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA
Problemy jednoczesnego testowana welu hpotez statystycznych ch zastosowana w analze mkromacerzy DNA Konrad Furmańczyk Katedra Zastosowań Matematyk SGGW Plan referatu Testowane w analze mkromacerzy DNA
Bardziej szczegółowoFunkcje i charakterystyki zmiennych losowych
Funkcje charakterystyk zmennych losowych Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Funkcje zmennych losowych
Bardziej szczegółowoEKONOMETRIA I Spotkanie 1, dn. 05.10.2010
EKONOMETRIA I Spotkane, dn. 5..2 Dr Katarzyna Beń Program ramowy: http://www.sgh.waw.pl/nstytuty/e/oferta_dydaktyczna/ekonometra_stacjonarne_nest acjonarne/ Zadana, dane do zadań, ważne nformacje: http://www.e-sgh.pl/ben/ekonometra
Bardziej szczegółowoMikroekonometria 7. Mikołaj Czajkowski Wiktor Budziński
Mkroekonometra 7 Mkołaj Czajkowsk Wktor Budzńsk Testowane hpotez 4 podstawowe testy Przedzał ufnośc Parametry mają asymptotyczny rozkład normalny Znamy błąd standardowy Czy parametr jest statystyczne różny
Bardziej szczegółowoProcedura normalizacji
Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny
Bardziej szczegółowo1.1. Uprość opis zdarzeń: 1.2. Uprościć opis zdarzeń: a) A B A Uprościć opis zdarzeń: 1.4. Uprościć opis zdarzeń:
.. Uprość ops zdarzeń: a) A B, A \ B b) ( A B) ( A' B).. Uproścć ops zdarzeń: a) A B A b) A B, ( A B) ( B C).. Uproścć ops zdarzeń: a) A B A B b) A B C ( A B) ( B C).4. Uproścć ops zdarzeń: a) A B, A B
Bardziej szczegółowoW praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.
Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas
Bardziej szczegółowoBadanie optymalnego poziomu kapitału i zatrudnienia w polskich przedsiębiorstwach - ocena i klasyfikacja
Jacek Batóg Unwersytet Szczecńsk Badane optymalnego pozomu kaptału zatrudnena w polskch przedsęborstwach - ocena klasyfkacja Prowadząc dzałalność gospodarczą przedsęborstwa kerują sę jedną z dwóch zasad
Bardziej szczegółowoKURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1
KURS STATYSTYKA Lekcja 1 Statystyka opsowa ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 W statystyce opsowej mamy pełne nformacje
Bardziej szczegółowoMikroekonometria 12. Mikołaj Czajkowski Wiktor Budziński
Mkroekonometra 12 Mkołaj Czajkowsk Wktor Budzńsk Modele bnarne heterogenczność parametrów Heterogenczność stałej (model efektów stałych) lub warancj składnka losowego (model efektów losowych) można uznać
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =
Bardziej szczegółowoSZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW
SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.
Bardziej szczegółowoKształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu
PRACE KOMISJI GEOGRAFII PRZEMY SŁU Nr 7 WARSZAWA KRAKÓW 2004 Akadema Pedagogczna, Kraków Kształtowane sę frm nformatycznych jako nowych elementów struktury przestrzennej przemysłu Postępujący proces rozwoju
Bardziej szczegółowoModele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.
Modele weloczynnkowe Analza Zarządzane Portfelem cz. 4 Ogólne model weloczynnkowy można zapsać jako: (,...,,..., ) P f F F F = n Dr Katarzyna Kuzak lub (,...,,..., ) f F F F = n Modele weloczynnkowe Można
Bardziej szczegółowoAnaliza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)
Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz
Bardziej szczegółowoUchwała Senatu Uniwersytetu Kazimierza Wielkiego. Nr 110/2016/2017. z dnia 27 czerwca 2017 r.
Uchwała Senatu Unwersytetu Kazmerza Welkego Nr 110/2016/2017 z dna 27 czerwca 2017 r. w sprawe określena zakładanych efektów kształcena dla kerunku studów nformacja naukowa bblotekoznawstwo studa perwszego
Bardziej szczegółowoAnaliza korelacji i regresji
Analza korelacj regresj Zad. Pewen zakład produkcyjny zatrudna pracownków fzycznych. Ich wydajność pracy (Y w szt./h) oraz mesęczne wynagrodzene (X w tys. zł) przedstawa ponższa tabela: Pracownk y x A
Bardziej szczegółowoNtli Natalia Nehrebecka. Dariusz Szymański. Zajęcia 4
Ntl Natala Nehrebecka Darusz Szymańsk Zajęca 4 1 1. Zmenne dyskretne 3. Modele z nterakcjam 2. Przyblżane model dlnelnowych 2 Zmenne dyskretne Zmenne nomnalne Zmenne uporządkowane 3 Neco bardzej skomplkowana
Bardziej szczegółowoD. Ciołek EKONOMETRIA wykład 0 EKONOMETRIA. Wykład 0: Informacje o przedmiocie. dr Dorota Ciołek. Katedra Ekonometrii Wydział Zarządzania UG
D. Cołek EKONOMETRIA wykład 0 EKONOMETRIA Wykład 0: Informacje o przedmoce dr Dorota Cołek Katedra Ekonometr Wydzał Zarządzana UG http://wzr.pl/dc dorota.colek@ug.edu.pl D. Cołek EKONOMETRIA wykład 0 Informacje
Bardziej szczegółowoEKONOMETRIA Wykład 5: Zmienne zerojedynkowe w modelowaniu ekonometrycznym
D. Cołek EKONOMETRIA wykład 5 EKONOMETRIA Wykład 5: Zmenne zerojedynkowe w modelowanu ekonometrycznym dr Dorota Cołek Katedra Ekonometr Wydzał Zarządzana UG http://wzr.pl/dorota-colek/ dorota.colek@ug.edu.pl
Bardziej szczegółowoUsługi KPMG oferowane polskim przedsiębiorcom
Usług KPMG oferowane polskm przedsęborcom Czyl jak w czym pomagamy polskm frmom kpmg.pl 1 Usług KPMG oferowane polskm przedsęborcom 2013 Usług KPMG oferowane polskm przedsęborcom Doradztwo fnansowe ksęgowe
Bardziej szczegółowoSystem Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ Autor: Joanna Wójcik
Opracowane w ramach projektu System Przecwdzałana Powstawanu Bezroboca na Terenach Słabo Zurbanzowanych ze środków Europejskego Funduszu Społecznego w ramach Incjatywy Wspólnotowej EQUAL PARTNERSTWO NA
Bardziej szczegółowody dx stąd w przybliżeniu: y
Przykłady do funkcj nelnowych funkcj Törnqusta Proszę sprawdzć uzasadnć, które z podanych zdań są prawdzwe, a które fałszywe: Przykład 1. Mesęczne wydatk na warzywa (y, w jednostkach penężnych, jp) w zależnośc
Bardziej szczegółowoAnaliza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH
Analza danych Analza danych welowymarowych. Regresja lnowa. Dyskrymnacja lnowa. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ PARA ZMIENNYCH LOSOWYCH Parę zmennych losowych X, Y możemy
Bardziej szczegółowoStatystyka Inżynierska
Statystyka Inżynerska dr hab. nż. Jacek Tarasuk AGH, WFIS 013 Wykład DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE Zmenna losowa, Funkcja rozkładu, Funkcja gęstośc, Dystrybuanta, Charakterystyk zmennej, Funkcje
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 11
Stansław Cchock Natala Nehrebecka Wykład 11 1 1. Testowane hpotez łącznych 2. Testy dagnostyczne Testowane prawdłowośc formy funkcyjnej: test RESET Testowane normalnośc składnków losowych: test Jarque-Berra
Bardziej szczegółowoZASTOSOWANIE METOD EKONOMETRYCZNYCH DO BADANIA HETEROGENICZNOŚCI OBIEKTÓW
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 31 Marusz Doszyń Unwersytet Szczecńsk ZASTOSOWANIE METOD EKONOMETRYCZNYCH DO BADANIA HETEROGENICZNOŚCI OBIEKTÓW Streszczene W artykule scharakteryzowano
Bardziej szczegółowoAnaliza zależności zmiennych ilościowych korelacja i regresja
Analza zależnośc zmennych loścowych korelacja regresja JERZY STEFANOWSKI Instytut Informatyk Poltechnka Poznańska Plan wykładu 1. Lnowa zależność mędzy dwoma zmennym: Prosta regresja Metoda najmnejszych
Bardziej szczegółowoRegulacje i sądownictwo przeszkody w konkurencji między firmami w Europie Środkowej i Wschodniej
Łukasz Goczek * Regulacje sądownctwo przeszkody w konkurencj mędzy frmam w Europe Środkowej Wschodnej Wstęp Celem artykułu jest analza przeszkód dla konkurencj pomędzy frmam w Europe Środkowej Wschodnej.
Bardziej szczegółowoEkonometryczne modele nieliniowe
Ekonomeryczne modele nelnowe Wykład 5 Progowe modele regrej Leraura Hanen B. E. 997 Inference n TAR Model, Sude n Nonlnear Dynamc and Economerc,. Tek na rone nerneowej wykładu Dodakowa leraura Hanen B.
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej
Bardziej szczegółowoEkonometria egzamin 01/02/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora.
mę, nazwsko, nr ndeksu: Ekonometra egzamn 1//19 1. Egzamn trwa 9 mnut.. Rozwązywane zadań należy rozpocząć po ogłoszenu początku egzamnu a skończyć wraz z ogłoszenem końca egzamnu. Złamane tej zasady skutkuje
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA. Wkład wstępn. Teora prawdopodobeństwa element kombnatork. Zmenne losowe ch rozkład 3. Populacje prób danch, estmacja parametrów 4. Testowane hpotez statstcznch 5. Test parametrczne
Bardziej szczegółowoAnaliza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A
Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe
Bardziej szczegółowoStatystyka. Zmienne losowe
Statystyka Zmenne losowe Zmenna losowa Zmenna losowa jest funkcją, w której każdej wartośc R odpowada pewen podzbór zboru będący zdarzenem losowym. Zmenna losowa powstaje poprzez przyporządkowane każdemu
Bardziej szczegółowoHipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ
WERYFIKACJA HIPOTEZY O ISTOTNOŚCI OCEN PARAMETRÓW STRUKTURALNYCH MODELU Hpoezy o sonośc oszacowao paramerów zmennych objaśnających Tesowane sonośc paramerów zmennych objaśnających sprowadza sę do nasępującego
Bardziej szczegółowoNatalia Nehrebecka Stanisław Cichocki. Wykład 10
Natala Nehrebecka Stansław Cchock Wykład 10 1 1. Testy dagnostyczne 2. Testowane prawdłowośc formy funkcyjnej modelu 3. Testowane normalnośc składnków losowych 4. Testowane stablnośc parametrów 5. Testowane
Bardziej szczegółowoWspółczynnik korelacji liniowej oraz funkcja regresji liniowej dwóch zmiennych
Współcznnk korelacj lnowej oraz funkcja regresj lnowej dwóch zmennch S S r, cov współcznnk determnacj R r Współcznnk ndetermnacj ϕ r Zarówno współcznnk determnacj jak ndetermnacj po przemnożenu przez 00
Bardziej szczegółowoRegresja liniowa i nieliniowa
Metody prognozowana: Regresja lnowa nelnowa Dr nż. Sebastan Skoczypec Zmenna losowa Zmenna losowa X zmenna, która w wynku pewnego dośwadczena przyjmuje z pewnym prawdopodobeństwem wartość z określonego
Bardziej szczegółowoPaństwowa Wyższa Szkoła Zawodowa w Raciborzu
Państwowa Wyższa Szkoła Zawodowa w Racborzu KARTA PRZEDMIOTU 1. Nazwa przedmotu: Termnologa ekonomczna prawncza 2. Kod przedmotu: FGB-23 3. Okres ważnośc karty: 2015-2018 4. Forma kształcena: studa perwszego
Bardziej szczegółowoKarta (sylabus) modułu/przedmiotu
Karta (sylabus) mułu/przedmotu Budownctwo (Nazwa kerunku studów) Studa I Stopna Przedmot: Materały budowlane II Constructon materals Rok: II Semestr: MK_26 Rzaje zajęć lczba gzn: Studa stacjonarne Studa
Bardziej szczegółowoEKONOMETRIA Wykład 4: Model ekonometryczny - dodatkowe zagadnienia
EKONOMETRIA Wykład 4: Model ekonometryczny - dodatkowe zagadnena dr Dorota Cołek Katedra Ekonometr Wydzał Zarządzana UG http://wzr.pl/dorota-colek/ dorota.colek@ug.edu.pl 1 Wpływ skalowana danych na MNK
Bardziej szczegółowoZaawansowane metody numeryczne
Wykład 9. jej modyfkacje. Oznaczena Będzemy rozpatrywać zagadnene rozwązana następującego układu n równań lnowych z n newadomym x 1... x n : a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x
Bardziej szczegółowoPlan szkoleń na 2013r. Powiatowy Urząd Pracy w Świętochłowicach planuje przeprowadzić następujące szkolenia.
Plan szkoleń na 2013r. Powatowy Urząd Pracy w Śwętochłowcach planuje przeprowadzć następujące szkolena. Lp. 1 Szkolena współfnansowane z Europejskego Funduszu Społecznego dla osób bezrobotnych oraz realzowane
Bardziej szczegółowoMODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI
Alcja Wolny-Domnak Unwersytet Ekonomczny w Katowcach MODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI Wprowadzene
Bardziej szczegółowoANALIZA WPŁYWU OBSERWACJI NIETYPOWYCH NA WYNIKI MODELOWANIA REGIONALNEJ WYDAJNOŚCI PRACY
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 36, T. 1 Barbara Batóg *, Jacek Batóg ** Unwersytet Szczecńsk ANALIZA WPŁYWU OBSERWACJI NIETYPOWYCH NA WYNIKI MODELOWANIA REGIONALNEJ WYDAJNOŚCI
Bardziej szczegółowo0. Oszacowanie kilku prostych regresji, interpretacja oszacować parametrów
0. Oszacowane klku prostych regresj, nterpretacja oszacować parametrów Zacznemy od oszacowana metodą najmnejszych kwadratów następującego modelu: dochod = β0 + βwekwek + ε Najperw zastanowmy sę w jak sposób
Bardziej szczegółowoIdentyfikacja determinant bogactwa dochodowego z zastosowaniem modelu logitowego
Zarządzane Fnanse Journal of Management and Fnance Vol. 13, No. 4//015 Anna Sączewska-Potrowska * Identyfkacja determnant bogactwa dochodowego z zastosowanem modelu logtowego Wstęp Przeprowadzane badana
Bardziej szczegółowoANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XVI/3, 2015, str. 248 257 ANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ Sławomr
Bardziej szczegółowoKarta (sylabus) modułu/przedmiotu
Karta (sylabus) modułu/przedmotu Budownctwo (Nazwa kerunku studów) Studa I Stopna Przedmot: Geologa Geology Rok: I Semestr: 1 MK_8 Rodzaje zajęć lczba godzn: Studa stacjonarne Studa nestacjonarne Wykład
Bardziej szczegółowoStatystyka Opisowa 2014 część 2. Katarzyna Lubnauer
Statystyka Opsowa 2014 część 2 Katarzyna Lubnauer Lteratura: 1. Statystyka w Zarządzanu Admr D. Aczel 2. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucjan Kowalsk. 4. Statystyka opsowa,
Bardziej szczegółowoEkonometria ćwiczenia Kolokwium 1 semestr 20/12/08. / 5 pkt. / 5 pkt. / 5 pkt. / 5 pkt. /20 pkt. Regulamin i informacje dodatkowe
Ekonometra IE Kolokwum 0/1/08 mę, nazwsko, nr ndeksu: Ekonometra ćwczena Kolokwum 1 semestr 0/1/08 Zadane 1 Zadane Zadane 3 Zadane 4 Razem / 5 pkt / 5 pkt / 5 pkt / 5 pkt /0 pkt Skala ocen: do 8,00 punktów
Bardziej szczegółowoKlasyfkator lnowy Wstęp Klasyfkator lnowy jest najprostszym możlwym klasyfkatorem. Zakłada on lnową separację lnowy podzał dwóch klas mędzy sobą. Przedstawa to ponższy rysunek: 5 4 3 1 0-1 - -3-4 -5-5
Bardziej szczegółowoPlan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup
Jednoczynnkowa Analza Waranc (ANOVA) Wykład 11 Przypomnene: wykłady zadana kursu były zaczerpnęte z podręcznków: Statystyka dla studentów kerunków techncznych przyrodnczych, J. Koronack, J. Melnczuk, WNT
Bardziej szczegółowoMarek Szajt Politechnika Częstochowska. Modelowanie innowacyjności państwa w oparciu o modele przestrzenno-czasowe
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolske Semnarum Naukowe, 6 8 wrześna 2005 w Torunu Katedra Ekonometr Statystyk, Unwersytet Mkołaja Kopernka w Torunu Polechnka Częstochowska Modelowane nnowacyjnośc
Bardziej szczegółowoMikroekonometria 6. Mikołaj Czajkowski Wiktor Budziński
Mkroekonometra 6 Mkołaj Czajkowsk Wktor Budzńsk 'Netypowe' zmenne objaśnane Problemy mkroekonometryczne często zmenna objaśnana ne jest cągła lub jej wartość ne ma bezpośrednej nterpretacj loścowej Zmenną
Bardziej szczegółowoPróba wyjaśnienia regionalnego zróżnicowania międzypłciowej luki płacowej w Polsce
Studa Regonalne Lokalne Nr 3(49)/2012 ISSN 1509 4995 Tymon Słoczyńsk* Próba wyjaśnena regonalnego zróżncowana mędzypłcowej luk płacowej w Polsce W artykule opsano regonalne zróżncowane mędzypłcowej luk
Bardziej szczegółowoModel ASAD. ceny i płace mogą ulegać zmianom (w odróżnieniu od poprzednio omawianych modeli)
Model odstawowe założena modelu: ceny płace mogą ulegać zmanom (w odróżnenu od poprzedno omawanych model) punktem odnesena analzy jest obserwacja pozomu produkcj cen (a ne stopy procentowej jak w modelu
Bardziej szczegółowoBADANIE STABILNOŚCI WSPÓŁCZYNNIKA BETA AKCJI INDEKSU WIG20
Darusz Letkowsk Unwersytet Łódzk BADANIE STABILNOŚCI WSPÓŁCZYNNIKA BETA AKCJI INDEKSU WIG0 Wprowadzene Teora wyboru efektywnego portfela nwestycyjnego zaproponowana przez H. Markowtza oraz jej rozwnęca
Bardziej szczegółowoEkonometria. Modelowanie zmiennej jakościowej. Jakub Mućk. Katedra Ekonomii Ilościowej
Ekonometria Modelowanie zmiennej jakościowej Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Ćwiczenia 8 Zmienna jakościowa 1 / 25 Zmienna jakościowa Zmienna ilościowa może zostać zmierzona
Bardziej szczegółowoKARTA MODUŁU KSZTAŁCENIA
KARTA MODUŁU KSZTAŁCENIA I. 1 Nazwa modułu kształcena Geologa Informacje ogólne 2 Nazwa jednostk prowadzącej moduł Państwowa Szkoła Wyższa m. Papeża Jana Pawła II,Katedra Nauk Techncznych, Zakład Budownctwa
Bardziej szczegółowo8. Optymalizacja decyzji inwestycyjnych
dr nż. Zbgnew Tarapata: Optymalzacja decyzj nwestycyjnych, cz.ii 8. Optymalzacja decyzj nwestycyjnych W rozdzale 8, część I przedstawono elementarne nformacje dotyczące metod oceny decyzj nwestycyjnych.
Bardziej szczegółowoMATERIAŁY I STUDIA. Zeszyt nr 286. Analiza dyskryminacyjna i regresja logistyczna w procesie oceny zdolności kredytowej przedsiębiorstw
MATERIAŁY I STUDIA Zeszyt nr 86 Analza dyskrymnacyjna regresja logstyczna w procese oceny zdolnośc kredytowej przedsęborstw Robert Jagełło Warszawa, 0 r. Wstęp Robert Jagełło Narodowy Bank Polsk. Składam
Bardziej szczegółowoEfekty kształcenia - studia pierwszego stopnia na kierunku bezpieczeństwo wewnętrzne : Symbol KEK
Efekty kształcena - studa perwszego stopna na kerunku bezpeczeństwo wewnętrzne : Symbol KEK K_W01 K_W02 K_W03 Ops efektów kształcena WIEDZA zna podejśca badawcze, nurty teoretyczne oraz termnologę używaną
Bardziej szczegółowo