PRACE NAUKOWE Uniwersytetu Ekonomicznego we Wrocławiu
|
|
- Aneta Kot
- 7 lat temu
- Przeglądów:
Transkrypt
1 PRACE NAUKOWE Uniwersytetu Ekonomicznego we Wrocławiu RESEARCH PAPERS of Wrocław University of Economics Nr 364 Polityka rodzinna w Polsce z perspektywy wybranych aspektów polityki społecznej i ekonomii Doświadczenia innych państw europejskich Redaktorzy naukowi Adam Kubów Joanna Szczepaniak-Sienniak Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu Wrocław 04
2 Redaktor Wydawnictwa: Teresa Zielińska Redaktor techniczny: Barbara Łopusiewicz Korektor: Dorota Pitulec Łamanie: Beata Mazur Projekt okładki: Beata Dębska Publikacja jest dostępna w Internecie na stronach: w Dolnośląskiej Bibliotece Cyfrowej The Central and Eastern European Online Library a także w adnotowanej bibliografii zagadnień ekonomicznych BazEkon Informacje o naborze artykułów i zasadach recenzowania znajdują się na stronie internetowej Wydawnictwa Kopiowanie i powielanie w jakiejkolwiek formie wymaga pisemnej zgody Wydawcy Copyright by Uniwersytet Ekonomiczny we Wrocławiu Wrocław 04 ISSN ISBN Wersja pierwotna: publikacja drukowana Druk i oprawa: EXPOL, P. Rybiński, J. Dąbek, sp.j. ul. Brzeska 4, Włocławek
3 Spis treści Wstęp... 7 Część. Uwarunkowania polityki rodzinnej w Polsce wybrane konteksty polityki społecznej i ekonomii Ewa Cichowicz: Uwarunkowania przeobrażeń polityki rodzinnej wybrane przykłady oraz propozycje kierunków zmian w zakresie wsparcia rodzin. Adam Kubów: Znaczenie świadczeń rodzinnych w kształtowaniu poziomu życia rodziny... 6 Ilona Błaszczak-Przybycińska: Wartość pracy domowej wycena empiryczna na podstawie ogólnopolskiego badania budżetu czasu ludności Marta Marszałek: Rola kobiet i mężczyzn w tworzeniu nierynkowej produkcji gospodarstw domowych rekomendacje dla polityki rodzinnej Arkadiusz Durasiewicz: Analiza ekonometryczna wybranych parametrów polityki rodzinnej w Polsce Małgorzata Wróbel: Modele dzietności względem zmien nych rynku pracy w miastach 00-tysięcznych i większych w pierwszej dekadzie XXI wieku. 96 Izabela Buchowicz: Wspólny cel polityki edukacyjnej i polityki rodzinnej w Polsce... 3 Anna Zachorowska-Mazurkiewicz: Teoria ekonomii i polityka ekonomiczna a opieka wzajemne relacje i implikacje dla polityki rodzinnej... 7 Część. Z doświadczeń innych krajów europejskich wnioski dla polityki rodzinnej w Polsce Anna Ciepielewska-Kowalik: Współczesne przemiany europejskich modeli opieki nad dziećmi a model polski (na przykładzie zmian w latach ) Paweł Łuczak: Związki polityki makroekonomicznej i polityki społecznej w zakresie opieki długoterminowej w Republice Czeskiej Wojciech Nowiak: Współczesne wyzwania demograficzne a norweska polityka wobec osób starszych wnioski w kontekście polskiej polityki rodzinnej... 76
4 6 Spis treści Summaries Part. Determinants of family policy in Poland chosen contexts of social policy and economics Ewa Cichowicz: Determinants of transformation of family policy some examples and suggestions for the direction of changes in the public support for families... 5 Adam Kubów: The importance of family benefits in shaping the level of family life Ilona Błaszczak-Przybycińska: Monetary value of housework empirical estimation based on time use survey in Poland Marta Marszałek: The role of women and men in the creation of non-market production of households recommendations for family policy... 7 Arkadiusz Durasiewicz: Econometric analysis of selected parameters of family policy in Poland Małgorzata Wróbel: Fertility models in relation to variables of the labour market in Polish cities of 00 thousand and more inhabitants in the first decade of the st century... Izabela Buchowicz: Common task of educational policy and family policy in Poland... 6 Anna Zachorowska-Mazurkiewicz: Economic theory and economic policy vs. care mutual relationships and implications for family policy... 4 Part. From the experience of other European countries proposals for family policy in Poland Anna Ciepielewska-Kowalik: Current transformations of European childcare models vs. Polish model (on the example of changes in the years 007-0) Paweł Łuczak: Relations between macroeconomic policy and social policy as regards long-term care in the Czech Republic Wojciech Nowiak: Current demographic challenges vs. Norwegian policy towards elderly people conclusions in the context of Polish family policy. 96
5 PRACE NAUKOWE UNIWERSYTETU EKONOMICZNEGO WE WROCŁAWIU RESEARCH PAPERS OF WROCŁAW UNIVERSITY OF ECONOMICS nr Polityka rodzinna w Polsce z perspektywy wybranych aspektów polityki społecznej i ekonomii. Doświadczenia innych państw europejskich ISSN Arkadiusz Durasiewicz Wyższa Szkoła Pedagogiczna im. Janusza Korczaka w Warszawie ANALIZA EKONOMETRYCZNA WYBRANYCH PARAMETRÓW POLITYKI RODZINNEJ W POLSCE Streszczenie: Celem artykułu jest przedstawienie analizy ekonometrycznej za pomocą podjętej próby budowy odpowiedniego liniowego modelu ekonometrycznego regresji wielorakiej i poprawności jego wykorzystania w odniesieniu do określenia skuteczności ekonomicznych instrumentów polityki rodzinnej. Elementem analizy ekonometrycznej było zastosowanie liniowych modeli ekonometrycznych regresji wielorakiej badających zmienne objaśniane (urodzenia, współczynnik dzietności, przyrost naturalny, liczba zawieranych małżeństw) w przyjętym szeregu czasowym, mających na celu określenie efektywności ekonomicznej państwowych nakładów budżetowych na politykę rodzinną i jej wpływ na skuteczność procesów demograficznych. Analiza została przeprowadzona na podstawie szeregów czasowych w latach Słowa kluczowe: analiza ekonometryczna, model ekonometryczny, instrumenty polityki rodzinnej. DOI: 0.56/pn Wstęp Chcąc zmierzyć efektywność poszczególnych ekonomicznych instrumentów polityki rodzinnej, należy sobie zdawać sprawę z ograniczoności zastosowań powszechnie używanych miar skuteczności. Choć istnieją badania wskazujące na wymierne rezultaty poszczególnych instrumentów polityki w sferze oddziaływania na np. skłonność do zawarcia związku małżeńskiego, wskazują one na dość umiarkowany stopień oddziaływania. Ze względu na brak racjonalnych miar efektywności i skuteczności polityki rodzinnej w niniejszym artykule została wykorzystana analiza ekonometryczna w celu podjęcia próby oceny efektywności wybranych ekonomicznych instrumentów polityki rodzinnej państwa polskiego. A. Durasiewicz, Efektywność polskiej polityki rodzinnej na tle wybranych krajów UE, Wydawnictwo Politechniki Radomskiej, Radom 0, s. 5.
6 74 Arkadiusz Durasiewicz Elementem analizy ekonometrycznej było zastosowanie liniowych modeli ekonometrycznych regresji wielorakiej 3 badających zmienne objaśniane (urodzenia, współczynnik dzietności, przyrost naturalny, liczba zawieranych małżeństw) w przyjętym szeregu czasowym, mających na celu określenie efektywności ekonomicznej państwowych nakładów budżetowych na politykę rodzinną i jej wpływ na skuteczność procesów demograficznych 4. Celem artykułu jest przedstawienie analizy ekonometrycznej za pomocą podjętej próby budowy odpowiedniego liniowego modelu ekonometrycznego regresji wielorakiej i poprawności jego wykorzystania w odniesieniu do określenia skuteczności ekonomicznych instrumentów polityki rodzinnej. Przedstawione analizy empiryczne w postaci jednorównaniowych modeli ekonometrycznych regresji wielorakiej opierają się na danych statystycznych dotyczących poszczególnych narzędzi polityki rodzinnej. Modele te polegają na opisie stochastycznej zależności wyróżnionej wielkości, zjawiska lub przebiegu procesu ekonomicznego (zjawisk, procesów) od czynników, które je kształtują, wyrażonej w formie pojedynczego równania bądź układu równań 5. Strukturę każdego równania określają: zmienna objaśniana, zmienne objaśniające mające ustaloną treść ekonomiczną, parametry strukturalne o nieznanej treści oraz typ związku funkcyjnego między zmienną objaśnianą a zmiennymi objaśniającymi. Analizę ekonometryczną przeprowadzono na podstawie szeregu czasowego lata Osiągnięcie określonych celów badawczych wymagało stworzenia narzędzia pomiaru, jakim są niniejsze modele ekonometryczne. Do zmierzenia efektywności czynników polityki rodzinnej wybrane zostały instrumenty ekonomiczne w postaci: wydatków na zasiłki rodzinne, wydatków na zasiłki wychowawcze, wydatków na zasiłki opiekuńcze, wydatków na zasiłki macierzyńskie, przeciętnych miesięcznych kosztów utrzymania mieszkania, liczby mieszkań oddanych do użytku i stosunku ulgi podatkowej do najniższego miesięcznego wynagrodzenia oraz liczby kobiet aktywnych zawodowo w wieku rozrodczym. Wyżej wymienione instrumenty wykorzystano do oceny skuteczności procesów demograficznych, do których wybrane zostały cztery główne zmienne objaśniane: współczynnik dzietności (określający średnią liczbę dzieci rodzonych przez jedną kobietę), liczba urodzeń, liczba zawieranych małżeństw i przyrost naturalny. Do konstrukcji pierwszego modelu została wybrana zmienna objaśniana urodzenia, a do jej pomiaru cztery zmienne objaśniające 6 : J. Apanowicz, Metodologiczne uwarunkowania pracy naukowej, Difin, Warszawa 005, s J. Dziechciarz, Ekonometria. Metody, przykłady, zadania, Wydawnictwo Akademii Ekonomicznej we Wrocławiu, Wrocław G. Becker, A Treatise on the Family, enlarged edition, Harvard University Press, Cambridge, Massachusetts, London, England 993, s K. Kuciński (red.), Doktoranci o metodologii nauk ekonomicznych, SGH, Warszawa 007, s Ze względu na krótki szereg czasowy przyjęto nie więcej niż cztery zmienne objaśniające dla danego modelu.
7 Analiza ekonometryczna wybranych parametrów polityki rodzinnej w Polsce 75 wydatki na zasiłki rodzinne, wydatki na zasiłki wychowawcze, wydatki na zasiłki opiekuńcze, wydatki na zasiłki macierzyńskie. Do konstrukcji drugiego modelu została wybrana zmienna objaśniana współczynnik dzietności, a do jej pomiaru cztery zmienne objaśniające: wydatki na zasiłki rodzinne, wydatki na zasiłki wychowawcze, wydatki na zasiłki opiekuńcze, wydatki na zasiłki macierzyńskie. Do konstrukcji trzeciego modelu wybrana została zmienna objaśniana liczba zawieranych małżeństw, a do jej pomiaru trzy zmienne objaśniające: wydatki na zasiłek wychowawczy, przeciętne miesięczne koszty utrzymania mieszkania, liczba mieszkań oddanych do użytku. Do konstrukcji czwartego modelu wybrana została zmienna objaśniana przyrost naturalny, a do jej pomiaru cztery zmienne objaśniające: wydatki na zasiłki rodzinne, wydatki na zasiłki wychowawcze, stosunek ulgi podatkowej do najniższego miesięcznego wynagrodzenia, liczba kobiet aktywnych zawodowo w wieku rozrodczym. W celu określenia jak najlepszej skuteczności zmiennych przeprowadzono wielokrotną analizę metodą krokową. W każdej z tabel odrzucany był parametr modelu (zmienna objaśniająca), którego poziom istotności p przekraczał 0,05. W ten sposób powstawał model posiadający statystycznie istotne wszystkie zmienne. Zastosowana analiza regresji polega na estymacji parametrów równania teoretycznego, które to równanie w sposób jak najbardziej dokładny odwzorowuje zależność wartości rzeczywistych i teoretycznych zmiennej objaśnianej. Zastosowane modele regresji zakładają występowanie zależności liniowych istniejących pomiędzy zmienną objaśnianą a zmiennymi ją objaśniającymi 7. Na podstawie powyższych zastosowań przedstawione zostały cztery modele ekonometryczne z opracowanym wzorem obliczania modeli. Całkowite i szczegółowe rozpisanie wyliczenia zostało przedstawione na przykładzie modelu. Pozostałe modele były wyliczane w sposób analogiczny do modelu pierwszego.. Ekonomiczne instrumenty polityki rodzinnej państwa polskiego a liczba urodzeń Do zbadania wpływu ekonomicznych instrumentów polityki rodzinnej na liczbę urodzeń został skonstruowany model ekonometryczny (model ) ze zmienną objaśnianą i czterema zmiennymi objaśniającymi mającymi na celu zmierzenie wpływu ich skuteczności na urodzenia (tab. ). 7 J. Dziechciarz, wyd. cyt., s. 38.
8 76 Arkadiusz Durasiewicz Ogólna postać liniowego modelu regresji wielorakiej: Y = α Z + α Z + α Z + α Z + α Z + ξ, gdzie: Y liczba urodzeń; Z 0 = zmienna stała równa ; Z wydatki państwa na zasiłek rodzinny; Z wydatki państwa na zasiłek wychowawczy; Z 3 wydatki państwa na zasiłek opiekuńczy; Z 4 wydatki państwa na zasiłek macierzyński. Tabela. Zmienna objaśniana i zmienne objaśniające wykorzystane do modelu lata Lata Zmienna objaśniana urodzenia (w tys.) Jednostka wydatki na zasiłek rodzinny (w mln zł) Zmienne objaśniające wydatki na zasiłek wychowawczy (w mln zł) wydatki na zasiłek opiekuńczy (w mln zł) wydatki na zasiłek macierzyński (w mln zł) Y Z 0 Z Z Z 3 Z ,7 487,4 07,0 555, ,3 5, 49,8 633, ,7 536,7 8,6 690, ,3 69, 96,5 899,3 00 y= Z= 357,77 644, 8, 39, ,80 684, 56,9 98, ,9 740, , ,66 74,8 64,3 95, ,5 677,5 94,5 004, ,66 64,5 6,6 097, ,6 589, 78, 40, ,6 573, 399, 08, ,3 56, 464,9 406, ,09 57, 489, 938, ,9 456,6 543,0 309,0 Źródło: opracowanie własne na podstawie danych statystycznych Rocznika Statystycznego Ubezpieczeń Społecznych oraz Roczników Statystycznych Rzeczypospolitej Polskiej W postaci macierzowej zamieszczone dane przedstawiają się następująco: Jeśli A = a0 a a a3 a 4 wektor oszacowań parametrów strukturalnych modelu uzyskany metodą najmniejszych kwadratów (MNK)
9 Analiza ekonometryczna wybranych parametrów polityki rodzinnej w Polsce 77 Spełnia on układ równań: ZTZA = ZTy, gdzie: Y wektor wartości zmiennej objaśnianej; Z macierz wartości zmiennych objaśniających modelu Y = Z = Z0 Z Z Z3 Z4 333,7 487,4 07,0 555,0 94,3 5, 49,8 633,7 33,7 536,7 8,6 690,6 358,3 69, 96,5 899,3 357,77 644, 8, 39,9 35,80 684, 56,9 98,6 33,9 740,8 6,0 987,3 508,66 74,8 64,3 95,4 85,5 677,5 94,5 004,5 80,66 64,5 6,6 097,6 3,6 589, 78, 40,4 74,6 573, 399, 08,6 55,3 56, 464,9 406,6 309,09 57, 489, 938,9 84,9 456,6 543,0 309,0 Oceny parametrów strukturalnych zostały uzyskane metodą najmniejszych kwadratów, zapewniając takie wartości oszacowania tych parametrów, że suma kwadratów różnic wartości empirycznych zmiennej objaśnianej i ich wartości teoretycznych (czyli wyznaczonych na podstawie oszacowanego równania modelu) jest minimalna. Jednym z warunków stosowalności MNK jest nieosobliwość macierzy ZTZ 8. Stąd: A= ( ZTZ ) ZTy Wyznaczone zostały więc kolejno: 333,7 94,3 33,7 358,3 357,77 35,8 33,9 508,66 85,5 80,66 3,6 74,6 55,3 309,09 84,9 ZT = 487,4 5, 536,7 69, 644, 684, 740,8 74,8 677,5 64,5 589, 573, 56, 57, 456, ,8 8,6 96,5 8, 56,9 6 64,3 94,5 6,6 78, 399, 464,9 489, 543, ,7 690,6 899,3 39,9 98,6 987,3 95,4 004,5 097,6 40,4 08,6 406,6 938,9 309,0 8 J. Gajda, Ekonometria praktyczna, Przedsiębiorstwo Specjalistyczne ABSOLWENT Sp. z o.o., Łódź 999, s. 67.
10 78 Arkadiusz Durasiewicz 5 485,5 8955,3 44,7 96, , , , , , ZTZ = 8 955, , , , ,88 ZTy = , , , , , , , , , , , , , , , , , , , , (ZTZ) - = -0, , , , , Stąd: -0, , , , , czyli uzyskano równanie: 0, , , , , A = ( ZTZ ) 4373,6-6,7067 ZTy = -90,439 78,999-8,349 y = 4373,6 6,7z 90,44z + 79z 8,35z * t t t t3 t4 urodzenia = 4373, 6 6, 7 (wydatki na zasiłek rodzinny) 90,44 (wydatki na zasiłek wychowawczy) + 79 (wydatki na zasiłek opiekuńczy) 8, 35 (wydatki na zasiłek macierzyński). Podstawowym założeniem w MNK jest założenie o normalnym rozkładzie szeregu reszt. Reszta jest to różnica między rzeczywistą wartością zmiennej objaśnianej a jej wartością teoretyczną, obliczoną na podstawie oszacowanego modelu. Reszta jest więc realizacją nieobserwowalnego składnika losowego. W niniejszym modelu oznaczono przez u t resztę wyznaczoną dla okresu t i wówczas: gdzie: u = y y, * t t t * y t wartość teoretyczna zmiennej objaśniającej. * Jeśli przez u oraz y został oznaczony odpowiednio wektor reszt oraz wektor wartości teoretycznych, wówczas: * u = y y wektor reszt, y * = Z A wektor wartości teoretycznych.
11 Analiza ekonometryczna wybranych parametrów polityki rodzinnej w Polsce 79 Stąd dla modelu uzyskano wektor wartości teoretycznych i wektor reszt. * Wektor wartości teoretycznych y podaje, jakie musiałyby być wartości liczby urodzeń, gdyby dane zjawisko (urodzenia) rozwijało się dokładnie z zaprezentowanym modelem , , , , , , ,3676 y*= , , , , , , , ,69 Poszczególne składowe wektora reszt u podają różnice między wartościami zmiennej objaśnianej a wartościami obliczonymi na podstawie modelu. 6 57, ,5 405, ,04-347, -6 88,37 u= -55, , ,88 733, ,05 70, 0 35,93-87,3 Bardzo ważną częścią analizy regresji, po oszacowaniu ocen numerycznych parametrów modelu, jest ocena zmienności zmiennej objaśnianej Y spowodowanej zmiennością zmiennych objaśniających modelu. Do oceny takiej służą syntetyczne miary dopasowania: wariancja resztowa, współczynnik zmienności losowej, nieskorygowany i skorygowany współczynnik determinacji, współczynnik zbieżności i współczynnik korelacji wielorakiej.
12 80 Arkadiusz Durasiewicz S Wariancja resztowa została obliczona według wzoru: = + oszacowanie wariancji składnika losowego modelu k ζ ut n t= ( k ) S ζ = Nie ma bezpośredniej interpretacji, dlatego też obliczony został średni błąd resztowy (odchylenie standardowe składnika resztowego): S ζ błąd standardowy Informuje on, o ile jednostek, średnio, rzeczywiste (empiryczne) wartości zmiennej objaśnianej y t różnią się od jej wartości oszacowanych (teoretycznych) S ζ = 5776,98 Wariancja resztowa wykorzystywana jest do obliczania średnich błędów szacunku parametrów strukturalnych. Obliczane są one jako pierwiastki kwadratowe elementów znajdujących się na głównej przekątnej macierzy wariancji-kowariancji parametrów strukturalnych. W obliczanym modelu macierz wariancji ma następującą postać: δ ( A) S ( ZTZ ) ζ ( i) i, i macierz wariancji-kowariancji zmiennych modelu S a = d + + błędy szacunków parametrów strukturalnych modelu Błędy szacunku S( a 0 ) = ,48 S( a ) = 86,079 S( a ) = 98,5307 S( a 3 ) = 54,7053 S( a 4 ) = 9,8033 Otrzymane błędy szacunku informują o dokładności ocen parametrów strukturalnych modelu. Na ich podstawie można w szczególności dokonać estymacji przedziałowej parametrów oraz zbudować statystyczną istotność zmiennych modelu, które zostały przedstawione w dalszej części wyliczenia modelu. Współczynnik zbieżności (nieokreśloności) określa, jaka część rzeczywistej zmienności zmiennej objaśnianej nie jest wyjaśniona przez oszacowany model. Został on obliczony zgodnie ze wzorem:
13 Analiza ekonometryczna wybranych parametrów polityki rodzinnej w Polsce 8 gdzie p = pt t t y = ,78 p = y y Stąd wektor p ma postać: 988,47 755,47-968, ,53-500,5-98,5-356,5 p = -7463,5-95,5-93, ,467 95,47 34,47 795, ,467 t= ϕ u u * ( yt yt ) = = t= ( y y) t y = yt t= utu ptp wektor odchyleń wartości zmiennej objaśnianej od jej wartości średniej, ptp = utu = suma kwadratów odchyleń suma kwadratów reszt ϕ = 0,7793 Nieskorygowany współczynnik determinacji (określoności, wyjaśnienia) określa, jaka część rzeczywistej zmienności zmiennej objaśnianej jest wyjaśniona przez oszacowany model r = ϕ r n = n + r = 0, r = 0, ( ) ( r ) k dop r = 0, dop = 0, ( )
14 8 Arkadiusz Durasiewicz Do badania statystycznej istotności modelu wykorzystana została statystyka t w postaci: ai ti = S α Jeśli ti t α, gdzie t α jest wartością krytyczną odczytaną z tablic wartości krytycznych rozkładu t-studenta przy przyjętym poziomie istotności a oraz liczbie stopni swobody równej n ( k + ), to w tym przypadku wartość statystyki t i dla poszczególnych zmiennych modelu wynosi: ( ) i t ti Poziom α Istotność t0 5,47 α0 istotne przy poziomie α = 0, t -0,9 α istotne przy poziomie α = 0, t -0,9 α istotne przy poziomie α = 0, t3,6 α3 istotne przy poziomie α = 0,80636 t4-0,93 α4 istotne przy poziomie α = 0,38404 Korzystając z wartości krytycznych tablic t-studenta przy sześciu stopniach swobody, można stwierdzić, że kolejne zmienne objaśniające tego modelu są statystycznie istotne przy poziomie istotności α i. Ponieważ jako maksymalny poziom istotności przyjęto arbitralnie α = 0, 05, można stwierdzić, że dany model jest modelem statystycznie nieistotnym (gdyż zmienne Z, Z 3 i Z 4 są statystycznie nieistotne). Aby uzyskać model statystycznie istotny, w każdym kolejnym etapie była eliminowana zmienna najgorsza (tzn. o najwyższym poziomie istotności α ). W badanym przypadku jest to zmienna Z 4. Procedura była kontynuowana aż do uzyskania modelu, w którym przy poziomie istotności α 0, 05 były statystycznie istotne wszystkie zmienne objaśniające. Wyniki podane są w podsumowaniach poszczególnych modeli. Model R R kwadrat Podsumowanie modelu Dostosowane R kwadrat Błąd standardowy estymacji 0,850 0,7 0, ,976 0,849 0,7 0,67 638, ,847 0,76 0,68 606,97 4 0,84 0,705 0, ,838
15 Analiza ekonometryczna wybranych parametrów polityki rodzinnej w Polsce 83 Współczynniki Model Zmienne objaśniające Niestandaryzowane współczynniki B Błąd standardowy t Istotność (stała) , , , , Wydatki na zasiłek rodzinny 3, , , , Wydatki na zasiłek wychowawczy -87, , , , Wydatki na zasiłek opiekuńczy 6, , , , Wydatki na zasiłek macierzyński -4,00000, , , (stała) , , , , Wydatki na zasiłek rodzinny 4, , , , Wydatki na zasiłek wychowawczy -99, , , , Wydatki na zasiłek opiekuńczy 45, , , , (stała) , , , , Wydatki na zasiłek rodzinny 3, , , , Wydatki na zasiłek wychowawczy -, , , , (stała) , , , , Wydatki na zasiłek wychowawczy -00, , , , Zmienna zależna: urodzenia Predyktory (constant): wydatki na zasiłek rodzinny, wydatki na zasiłek wychowawczy, wydatki na zasiłek opiekuńczy, wydatki na zasiłek macierzyński Predyktory (constant): wydatki na zasiłek rodzinny, wydatki na zasiłek wychowawczy, wydatki na zasiłek opiekuńczy 3 Predyktory (constant): wydatki na zasiłek rodzinny, wydatki na zasiłek wychowawczy 4 Predyktory (constant): wydatki na zasiłek wychowawczy Postać wyjściowa modelu ze wszystkimi badanymi zmiennymi objaśniającymi: Y = α Z + α Z + α Z + α Z + α Z + ξ Y = ,70 + 3,73z 87,0z + 6,z 4,0z t t t3 t4 ( 460,537) ( 4,973) ( 50,73) ( 94,09783) (,0386) liczba urodzeń = , , 73 (wydatki na zasiłek rodzinny) 87,0 (wydat- ki na zasiłek wychowawczy) + 6, (wydatki na zasiłek opiekuńczy) 4, 0 (wydatki na zasiłek macierzyński). Postać modelu ze zmiennymi objaśniającymi statystycznie istotnymi: Y = 48393,85 00,96 z t ( 408,8) (,465)
16 84 Arkadiusz Durasiewicz liczba urodzeń 48393,85 00, 96 (wydatki na zasiłek wychowawczy) gdzie: Y urodzenia; Z 0 = zmienna stała równa ; Z wydatki państwa na zasiłek wychowawczy. Model pozwala wyjaśnić prawie 90% zmienności wartości zmiennej objaśnianej, jaką są urodzenia. Pozostałe 0% może zostać wyjaśnione przez inne, nieuwzględnione w modelu czynniki. Skorygowany współczynnik determinacji (dostosowane r ) przeliczony na procenty informuje, iż wariancja zmiennej zależnej niewyjaśniona wpływem zmiennych niezależnych wynosi 8,%. Do równania regresji ostatecznie weszły wydatki na zasiłek wychowawczy. Jako nieistotne odrzucone zostały w czasie konstruowania modelu wydatki na zasiłek rodzinny, wydatki na zasiłek opiekuńczy i wydatki na zasiłek macierzyński. Z powyższego modelu (model ) wynika, że wydatki na zasiłek wychowawczy nie wpływają na liczbę urodzeń. Ujemne wartości B wskazują, że wydatki na zasiłek wychowawczy nie stanowią narzędzia mającego wpływ na urodzenia. Niskim poziomem statystycznym istotności wykazały się wydatki państwowe na zasiłki macierzyńskie (dlatego jako pierwsza zmienna objaśniająca zostały usunięte z równania regresji), co oznacza ich statystyczną nieistotność. Kwota zasiłku macierzyńskiego przysługującego rodzinie może stanowić istotne narzędzie wpływające na decyzje prokreacyjne małżeństwa, jednakże wydatki na zasiłki macierzyńskie charakteryzują się niską wartością współczynnika standaryzowanego B, stąd też z badanej zależności wynika, że wydatki te nie mają wpływu na urodzenia. Bardzo niskie współczynniki standaryzowane B odnośnie do badanych wydatków na zasiłki rodzinne, wychowawcze, opiekuńcze i macierzyńskie wskazują, że zmienne objaśniające nie mają wpływu na liczbę urodzeń. Jeżeli chodzi o wydatki państwa na zasiłki wychowawcze wpływ tej zmiennej wydaje się mocniejszy w porównaniu do pozostałych zmiennych objaśniających ze względu na najmocniejszą statystyczną istotność zmiennej, mieszczącą się w przedziale α 0, Ekonomiczne instrumenty polityki rodzinnej państwa polskiego a współczynnik dzietności Do zbadania wpływu ekonomicznych instrumentów polityki rodzinnej na współczynnik dzietności został skonstruowany model ekonometryczny (model ) ze zmienną objaśnianą (współczynnik dzietności) i czterema zmiennymi objaśniającymi w modelu mającymi na celu zmierzenie ich efektywności na współczynnik dzietności. Ogólna postać liniowego modelu regresji wielorakiej: Y = α Z + α Z + α Z + α Z + α Z + ξ, gdzie: Y współczynnik dzietności; Z 0 = zmienna stała równa ; Z wydatki państwa na zasiłek rodzinny; Z wydatki państwa na zasiłek wychowawczy; Z 3 wydatki państwa na zasiłek opiekuńczy; Z 4 wydatki państwa na zasiłek macierzyński.
17 Analiza ekonometryczna wybranych parametrów polityki rodzinnej w Polsce 85 Tabela. Zmienna objaśniana i zmienne objaśniające wykorzystane do modelu lata Lata Zmienna objaśniana współczynnik dzietności Jednostka wydatki na zasiłek rodzinny (w mln zł) Zmienne objaśniające wydatki na zasiłek wychowawczy (w mln zł) wydatki na zasiłek opiekuńczy (w mln zł) wydatki na zasiłek macierzyński (w mln zł) Y Z 0 Z Z Z 3 Z 4 997,5 333,7 487, ,44 94,3 5, 49,8 633,7 999,37 33,7 536,7 8,6 690,6 000,35 358,3 69, 96,5 899,3 00 y=,3 Z= 357,77 644, 8, 39,9 00,5 35,8 684, 56,9 98,6 003, 33,9 740, ,3 004,3 508,66 74,8 64,3 95,4 005,4 85,5 677,5 94,5 004,5 006,7 80,66 64,5 6,6 097,6 007,3 3,6 589, 78, 40,4 008,39 74,6 573, 399, 08,6 009,39 55,3 56, 464,9 406,6 00,37 309,09 57, 489, 938,9 0,9 84,9 456,6 543,0 309,0 Źródło: opracowanie własne na podstawie danych statystycznych Rocznika Statystycznego Ubezpieczeń Społecznych oraz Roczników Statystycznych Rzeczypospolitej Polskiej Postać wyjściowa modelu ze wszystkimi badanymi zmiennymi objaśniającymi: Y = α Z + α Z + α Z + α Z + α Z + ξ Y =, ,0000z 0,005z 0,00057z 0,00008z t t t3 t4 ( 0,65) ( 0,0000) ( 0,0009) ( 0,00036) ( 0,000038) współczynnik dzietności =, ,0000 (wydatki na zasiłek rodzinny) 0,005 (wydatki na zasiłek wychowawczy) 0,00057 (wydatki na zasiłek opiekuńczy) 0, (wydatki na zasiłek macierzyński). Postać modelu ze zmiennymi objaśniającymi statystycznie istotnymi: Y =,785 0,00z 0,00084z t t3 ( 0,440) ( 0,0004) ( 0,0003)
18 86 Arkadiusz Durasiewicz współczynnik dzietności =,979 0,00 (wydatki na zasiłek wychowawczy) 0, (wydatki na zasiłek opiekuńczy), gdzie: Y współczynnik dzietności; Z 0 = zmienna stała równa ; Z wydatki na zasiłek wychowawczy; Z 3 wydatki na zasiłek opiekuńczy Podsumowanie modelu Dostosowane Model R R kwadrat R kwadrat Błąd standardowy estymacji 0,8336 0,6949 0,6864 0,060 0,83 0,6906 0,6456 0, ,833 0, , ,05880 Model Zmienne objaśniające Współczynniki Niestandaryzowane współczynniki Błąd B standardowy t Istotność (stała), ,656500, , Wydatki za zasiłek rodzinny 0, , , ,60555 Wydatki na zasiłek wychowawczy -0, , , , Wydatki na zasiłek opiekuńczy -0, , , , Wydatki na zasiłek macierzyński -0, , , , (stała), , , , Wydatki na zasiłek rodzinny 0, , , , Wydatki na zasiłek wychowawczy -0, , , , Wydatki na zasiłek opiekuńczy -0, , ,3500 0, (stała), , , , Wydatki na zasiłek wychowawczy -0, , , , Wydatki na zasiłek opiekuńczy -0, , , , Zmienna zależna: współczynnik dzietności Predyktory (constant): wydatki na zasiłek rodzinny, wydatki na zasiłek wychowawczy, wydatki na zasiłek opiekuńczy, wydatki na zasiłek macierzyński Predyktory (constant): wydatki na zasiłek rodzinny, wydatki na zasiłek wychowawczy, wydatki na zasiłek opiekuńczy 3 Predyktory (constant): wydatki na zasiłek wychowawczy, wydatki na zasiłek opiekuńczy Model pozwala wyjaśnić prawie 93% zmienności wartości zmiennej objaśnianej (współczynnik dzietności). Pozostałe 7% może zostać wyjaśnione przez inne, nieuwzględnione w modelu czynniki. Standardowy błąd estymacji wynosi ok. 0,06, czyli podczas prognozowania wartości zmiennej na podstawie naszego modelu mylilibyśmy się średnio o 6,0%.
19 Analiza ekonometryczna wybranych parametrów polityki rodzinnej w Polsce 87 Skorygowany współczynnik determinacji (skorygowany r ) przeliczony na procenty informuje, iż wariancja zmiennej zależnej niewyjaśniona wpływem zmiennych niezależnych wynosi 9,9%. Do równania regresji ostatecznie weszły następujące zmienne: wydatki na zasiłek wychowawczy i wydatki na zasiłek opiekuńczy. Jako nieistotne odrzucone zostały w czasie konstruowania modelu wydatki na zasiłek rodzinny i wydatki na zasiłek macierzyński. W związku z powyższym wydatki na zasiłek wychowawczy i wydatki na zasiłek opiekuńczy jako zmienne objaśniające, które miały poziom istotności zbliżony do ( α 0,05 ), nie mają wpływu na współczynnik dzietności, a co za tym idzie, nie podniosą go na wyższy poziom (osiągają ujemne współczynniki standaryzowane B). 4. Ekonomiczne instrumenty polityki rodzinnej państwa polskiego a liczba zawieranych małżeństw Do zbadania wpływu ekonomicznych instrumentów polityki rodzinnej na liczbę zawieranych małżeństw został skonstruowany model ekonometryczny (model 3) ze zmienną objaśnianą (liczba zawieranych małżeństw) i trzema zmiennymi objaśniającymi mającymi na celu zmierzenie ich efektywności na liczbę zawieranych małżeństw. Ogólna postać liniowego modelu regresji wielorakiej: Y = α Z + α Z + α Z + α Z + α Z + ξ, gdzie: Y małżeństwa na 000 osób; Z 0 = zmienna stała równa ; Z wydatki na zasiłek wychowawczy; Z przeciętne miesięczne koszty utrzymania mieszkania; Z 3 mieszkania oddane do użytku. Tabela 3. Zmienna objaśniana i zmienne objaśniające wykorzystane do modelu 3 lata Lata Zmienna objaśniana małżeństwa na 000 osób Jednostka wydatki na zasiłek wychowawczy (w mln zł) Zmienne objaśniające przeciętne miesięczne koszty utrzymania mieszkania użytkowanie mieszkania i nośniki energii (w zł) mieszkania oddane do użytku (w tys.) Y Z 0 Z Z Z ,30 487,4 88,65 73, ,4 5, 96,34 80, ,68 536,7 00, ,49 69, 07, 87,8 00 y= 5,0 Z= 644, 4, ,0 684, 4,47 97,6
20 88 Arkadiusz Durasiewicz Tabela 3, cd , 740,8 4,4 6, ,0 74,8 40,78 08, 005 5,4 677,5 35,64 4, 006 5,93 64,5 46,94 5, ,5 589, 49, ,76 573, 70,80 65, 009 6,57 56, 88, ,93 57, 99,88 35,8 0 5,36 456,6 0,34 30,9 Źródło: opracowanie własne na podstawie danych statystycznych Rocznika Statystycznego Ubezpieczeń Społecznych oraz Roczników Statystycznych Rzeczypospolitej Polskiej Postać wyjściowa modelu 3 ze wszystkimi badanymi zmiennymi objaśniającymi: Y = α Z + α Z + α Z + α Z + ξ Y = 6, ,006z + 0, ,007z t t t3 ( 0,509) ( 0,0078) ( 0,00559) ( 0,004769) liczba zawartych małżeństw na 000 osób = 6, , 006 (wydatki na zasiłek wychowawczy) + 0, (przeciętne miesięczne koszty utrzymania mieszkania) 0, 007 (liczba mieszkań oddanych do użytku). Postać modelu 3 ze zmiennymi objaśniającymi statystycznie istotnymi: Y = 6, ,006z + 0,094z t t t t 0, , ,00398 liczba zawartych małżeństw na 000 osób = 6, , 006 (wydatki na zasiłek wychowawczy) + 0, 094 (przeciętne miesięczne koszty utrzymania mieszkania), gdzie: Y małżeństwa na 000 osób; Z 0 = zmienna stała równa ; Z wydatki na zasiłek wychowawczy; Z przeciętne miesięczne koszty utrzymania mieszkania Podsumowanie modelu 3 Model R R kwadrat Dostosowane R Błąd standardowy kwadrat estymacji 0,850 0,7 0,653 0,07 0,83 0,690 0,65 0,06
21 Analiza ekonometryczna wybranych parametrów polityki rodzinnej w Polsce 89 Współczynniki Niestandaryzowane współczynniki Model Zmienne objaśniające t Istotność Błąd B standardowy (stała) 6, ,5093, Wydatki na zasiłek wychowawczy -0,006 0,0078-4,9943 0,0035 Przeciętne miesięczne koszty utrzymania mieszkania 0, , ,3558 0,00375 Mieszkania oddane do użytku -0,007 0, ,34 0,77305 (stała) 6, , , Wydatki na zasiłek wychowawczy -0,006 0, ,837 0,00085 Przeciętne miesięczne koszty utrzymania mieszkania 0,094 0, , ,00038 Zmienna zależna: małżeństwa na 000 osób Predyktory (constant): wydatki na zasiłek wychowawczy, przeciętne miesięczne koszty utrzymania mieszkania, mieszkania oddane do użytku Predyktory (constant): wydatki na zasiłek wychowawczy, przeciętne miesięczne koszty utrzymania mieszkania Model pozwala wyjaśnić prawie 84% zmienności zawieranych małżeństw na 000 osób. Pozostałe 6% może zostać wyjaśnione przez inne, nieuwzględnione w modelu czynniki. Standardowy błąd estymacji wynosi ok. 0,036, czyli podczas prognozowania wartości zmiennej na podstawie naszego modelu mylilibyśmy się średnio o,036%. Skorygowany współczynnik determinacji (dostosowane r ) przeliczony na procenty informuje, iż wariancja zmiennej zależnej niewyjaśniona wpływem zmiennych niezależnych wynosi 3,9%. Do równania regresji ostatecznie weszły następujące zmienne: wydatki na zasiłek wychowawczy i przeciętne miesięczne koszty utrzymania mieszkania. Jako nieistotne odrzucone zostały w czasie konstruowania modelu mieszkania oddane do użytkowania. Porównanie standaryzowanych wartości B pokazuje, że wpływ uwzględnionych w modelu zmiennych jest rozbieżny: wydatki na zasiłki wychowawcze i przeciętne miesięczne koszty utrzymania mieszkania oddziałują z inną siłą. Uwzględniając kierunek oddziaływania, można powiedzieć, że liczba zawieranych małżeństw jest tym większa, im niższe są przeciętne miesięczne koszty utrzymania mieszkania ze względu na statystyczną istotność zmiennej (istotność = 0,004, a więc mieści się w maksymalnym przyjętym arbitralnie poziomie istotności α = 0,05 ). Jednakże bardzo niskie współczynniki standaryzowane (0,094 B i 0,00398 błąd standardowy) odnośnie do przeciętnych miesięcznych kosztów utrzymania mieszkania wskazują, że ta zmienna objaśniająca ma niewielki wpływ na liczbę zawieranych małżeństw. Jeżeli chodzi o wydatki państwa na zasiłki wy-
22 90 Arkadiusz Durasiewicz chowawcze, to wpływ tej zmiennej wydaje się słaby (ujemny niestandaryzowany współczynnik B) w porównaniu do zmiennej objaśniającej, jaką są przeciętne miesięczne koszty utrzymania mieszkania. Zaistniałe relacje pokazują, że przeciętne miesięczne koszty utrzymania mieszkania mają niewielki wpływ na liczbę zawieranych małżeństw, jednak wysoki wskaźnik statystycznej istotności zmiennej oznacza, że przyszli małżonkowie zwracają bezpośrednio uwagę na status socjoekonomiczny swojego bytu, co przy niskim koszcie utrzymania mieszkania stanowi czynnik zachęcający do zawarcia małżeństwa. 5. Ekonomiczne instrumenty polityki rodzinnej państwa polskiego a przyrost naturalny Czwarty model ekonometryczny został utworzony w celu sprawdzenia wpływu ekonomicznych instrumentów polityki rodzinnej na przyrost naturalny. Model składa się ze zmiennej objaśnianej (przyrost naturalny) i czterech zmiennych objaśniających (wydatki na zasiłki rodzinne, wydatki na zasiłek wychowawczy, stosunek ulgi podatkowej do minimalnego wynagrodzenia i aktywność zawodowa kobiet w wieku rozrodczym). Ogólna postać liniowego modelu regresji wielorakiej: Y = α Z + α Z + α Z + α Z + α Z + ξ, gdzie: Y przyrost naturalny; Z 0 = zmienna stała równa ; Z wydatki państwa na zasiłek rodzinny; Z wydatki państwa na zasiłek wychowawczy; Z 3 stosunek ulgi podatkowej do minimalnego wynagrodzenia; Z 4 liczba kobiet aktywnych zawodowo w wieku rozrodczym. Tabela 4. Zmienna objaśniana i zmienne objaśniające wykorzystane do modelu 4 lata Lata Zmienna objaśniana przyrost naturalny Jednostka wydatki na zasiłek rodzinny (w mln zł) wydatki na zasiłek wychowawczy (w mln zł) Zmienne objaśniające stosunek ulgi podatkowej do minimalnego wynagrodzenia liczba kobiet aktywnych zawodowo w wieku rozrodczym (w tys.) Y Z 0 Z Z Z 3 Z ,09 333,7 487,4 0, ,05 94,3 5, 0, ,7 536,7 0, ,03 358,3 69, 0, ,0 357,77 644, 0, ,0 35,8 684, 0, y= -0,04 Z= 33,9 740,8 0,4 693
23 Analiza ekonometryczna wybranych parametrów polityki rodzinnej w Polsce ,0 508,66 74,8 0, ,0 85,5 677,5 0, ,0 80,66 64,5 0, ,03 3,6 589, 0, ,9 74,6 573, 0, ,8 55,3 56, 0, ,9 309,09 57, 0, ,3 84,9 456,6 0, Źródło: opracowanie własne na podstawie danych statystycznych Rocznika Statystycznego Ubezpieczeń Społecznych oraz Roczników Statystycznych Rzeczypospolitej Polskiej Postać wyjściowa modelu 4 ze wszystkimi badanymi zmiennymi objaśniającymi: Y = Z 4 α Z + α Z + α Z + α Z + α + ξ Y = 0, ,0000z 0,00038z + 0,9900z 0,00004z t t t3 t4 ( 0,5988) ( 0,0000) ( 0,00009) ( 0,7369) ( 0,00004) przyrost naturalny = 0, , 0000 (wydatki na zasiłek rodzinny) 0, (wydatki na zasiłek wychowawczy) + 0, 9900 (stosunek ulgi podatkowej do minimalnego wynagrodzenia) 0, 0004 (liczba kobiet aktywnych zawodowo w wieku rozrodczym). Postać modelu 4 ze zmiennymi objaśniającymi statystycznie istotnymi: y = 0,579 0,00034z t t ( 0,0476) ( 0,00007 ) przyrost naturalny = 0,579 0,00034 (wydatki na zasiłek wychowawczy), gdzie: y przyrost naturalny; Z 0 = zmienna stała równa ; Z wydatki na zasiłek wychowawczy Model R R kwadrat Dostosowane R kwadrat 0,909 0,86 0,783 0,896 0,80 0, ,900 0,80 0, ,878 0,77 0,749
24 9 Arkadiusz Durasiewicz Model Zmienne objaśniające Współczynniki Niestandaryzowane współczynniki B Błąd standardowy t Istotność (stała) 0, ,5988,4085 0,734 Wydatki na zasiłek rodzinny 0,0000 0,0000 0, ,35730 Wydatki na zasiłek wychowawczy -0, , ,305 0,0037 Stosunek ulgi podatkowej do minimalnego wynagrodzenia 0,9900 0,7369,9986 0,099 Liczba kobiet aktywnych zawodowo w wieku rozrodczym -0, , ,9845 0,3433 (stała) 0,653 0,4650,05 0,3063 Wydatki na zasiłek wychowawczy -0, , , ,008 Stosunek ulgi podatkowej do minimalnego wynagrodzenia,045 0,70633, ,4887 Liczba kobiet aktywnych zawodowo w wieku rozrodczym -0, , ,7587 0,487 3 (stała) 0, ,08 0,8369 0,39577 Wydatki na zasiłek wychowawczy -0,0003 0, ,6955 0,0005 Stosunek ulgi podatkowej do minimalnego wynagrodzenia, ,6765,4674 0, (stała) 0,579 0,0476 5,3666 0,00038 Wydatki na zasiłek wychowawczy -0, , ,9039 0,00057 Zmienna zależna: przyrost naturalny Predyktory (constant): wydatki na zasiłek rodzinny, wydatki na zasiłek wychowawczy, stosunek ulgi podatkowej do minimalnego wynagrodzenia, liczba kobiet aktywnych zawodowo w wieku rozrodczym Predyktory (constant): wydatki na zasiłek wychowawczy, stosunek ulgi podatkowej do minimalnego wynagrodzenia, liczba kobiet aktywnych zawodowo w wieku rozrodczym 3 Predyktory (constant): wydatki na zasiłek wychowawczy, stosunek ulgi podatkowej do minimalnego wynagrodzenia 4 Predyktory (constant): wydatki na zasiłek wychowawczy Model pozwala wyjaśnić prawie 75% zmienności przyrostu naturalnego. Tak więc pozostałe 5% może zostać wyjaśnione przez inne, nieuwzględnione w modelu czynniki. Standardowy błąd estymacji wynosi ok. 0,949397, czyli prognozując wartość zmiennej zależnej na podstawie szacowanego modelu, mamy średni błąd szacunkowy pomyłki wynoszący,94%. Skorygowany współczynnik determinacji (skorygowany r ) przeliczony na procenty informuje, iż wariancja zmiennej zależnej niewyjaśniona wpływem zmiennych niezależnych wynosi 7,8%. Do równania regresji
25 Analiza ekonometryczna wybranych parametrów polityki rodzinnej w Polsce 93 ostatecznie weszły wydatki na zasiłek wychowawczy. Jako nieistotne odrzucone zostały w czasie konstruowania modelu wydatki na zasiłek rodzinny, stosunek ulgi podatkowej do minimalnego wynagrodzenia i aktywność zawodowa kobiet w wieku rozrodczym. Z powyższego modelu (model 4) wynika, że wydatki na zasiłek wychowawczy, które jako jedyne pozostały w równaniu regresji, nie wpływają na przyrost naturalny. Wysokość zasiłku wychowawczego jest tak niska, że zmienna ta nie wpływa na decyzje o narodzinach dziecka. Dużym poziomem statystycznym istotności wykazały się także wydatki państwowe na zasiłki rodzinne. Kwota zasiłku rodzinnego przysługującego rodzinie może stanowić istotny czynnik wpływający na decyzje prokreacyjne małżeństwa, jednakże wydatki na zasiłki rodzinne charakteryzują się niską wartością współczynnika standaryzowanego B i dlatego z badanej zależności wynika, że wydatki na zasiłki rodzinne nie mają wpływu na przyrost naturalny. 6. Podsumowanie W czterech zastosowanych jednorównaniowych modelach regresji wielorakiej zmienne objaśniające odznaczają się następującymi właściwościami: są silnie skorelowane ze zmienną objaśnianą, są słabo skorelowane między sobą, wykazują odpowiednio dużą zmienność. Analiza przeprowadzona za pomocą odpowiednich liniowych modeli ekonometrycznych regresji wielorakiej nie wykazała zależności między ekonomicznymi instrumentami polityki rodzinnej a sytuacją demograficzną w postaci liczby urodzeń, współczynnika dzietności i przyrostu naturalnego. Jedynie przeciętne miesięczne koszty utrzymania mieszkania oraz liczba mieszkań oddanych do użytku mogą stanowić dla młodych osób narzędzie ułatwiające podjęcie decyzji o małżeństwie. Z przeprowadzonej analizy ekonometrycznej na podstawie czterech modeli ekonometrycznych regresji wielorakiej wynika, że rodziny, decydując się na dziecko, nie biorą pod uwagę instrumentów ekonomicznych oferowanych przez państwo. Zbudowany model ekonometryczny, zgodnie z celem artykułu, może zostać wykorzystany do badania zależności i korelowania zmiennych objaśnianych z objaśniającymi w celu określenia ich skuteczności, ale może też być modyfikowany w zależności od potrzeb niezbędnych do przeprowadzania przyjętych analiz w danym czasokresie badawczym. W odniesieniu do narzędzi bezpośrednich (czyli pieniężnego wsparcia na rzecz rodzin) należy stwierdzić, że narzędzia te znacznie odbiegają od standardów obowiązujących w zintegrowanej Europie. Państwo, chcąc zagwarantować zaspokojenie co najmniej podstawowych potrzeb rodzin z dziećmi, powinno zadbać o wyższe
26 94 Arkadiusz Durasiewicz kwoty finansowego wsparcia w postaci zasiłków (rodzinnego, macierzyńskiego, wychowawczego, opiekuńczego) dla korzystających z nich osób, a w dalszej przyszłości zadbać o możliwość przyznawania zasiłku rodzinnego wszystkim rodzicom, bez selektywnego charakteru tego rodzaju wsparcia (takie rozwiązania istnieją już w wielu państwach UE, jak np. Niemcy, Wielka Brytania, Francja). Ze względu na selektywny charakter przysługujących świadczeń istnieje ograniczona liczba odbiorców (i w tym przypadku ogólna równość nie jest zachowana wobec wszystkich rodzin). Selektywność świadczeń społecznych ze względu na wprowadzone kryterium dochodowe powoduje niską efektywność prowadzonej polityki rodzinnej w niektórych obszarach ekonomicznego i społecznego wsparcia. W celu wzmocnienia znaczenia bezpośredniej pomocy finansowej rodzinom ponoszącym koszty utrzymania i wychowania młodzieży potrzebne jest podniesienie dochodowego znaczenia świadczeń rodzinnych. Największa miesięczna kwota zasiłku rodzinnego w krajach UE występuje w Niemczech. Obecnie wysokość zasiłków rodzinnych w Polsce należy do jednej z najniższych w krajach UE. Przejście z obecnego selektywnego systemu świadczeń rodzinnych do systemu uniwersalnego (funkcjonującego nie tylko w Niemczech, ale w większości krajów UE) byłoby wyrazem wspierania wszystkich rodzin posiadających dzieci. Ograniczałoby przypadki, gdy obawa przed utratą świadczeń rodzinnych (po przekroczeniu progu dochodu stanowiącego kryterium uprawniające) działa hamująco na aktywność w pozyskiwaniu dodatkowych dochodów lub przenosi część osób do szarej strefy zatrudnienia. Warto rozważyć uwzględnienie w wysokości zasiłku możliwości pokrycia szacowanych wydatków związanych z zaspokojeniem potrzeb rozwojowych dzieci (edukacyjnych, kulturalnych, rekreacyjnych itp.). Literatura Apanowicz J., Metodologiczne uwarunkowania pracy naukowej, Difin, Warszawa 005. Becker G., A Treatise on the Family, enlarged edition, Harvard University Press, Cambridge, Massachusetts, London, England 993. Durasiewicz A., Efektywność polskiej polityki rodzinnej na tle wybranych krajów UE, Wydawnictwo Politechniki Radomskiej, Radom 0. Dziechciarz J., Ekonometria. Metody, przykłady, zadania, Wydawnictwo Akademii Ekonomicznej we Wrocławiu, Wrocław 00. Gajda J., Ekonometria praktyczna, Przedsiębiorstwo Specjalistyczne ABSOLWENT Sp. z o.o., Łódź 999. Kuciński K. (red.), Doktoranci o metodologii nauk ekonomicznych, SGH, Warszawa 007.
27 Analiza ekonometryczna wybranych parametrów polityki rodzinnej w Polsce 95 ECONOMETRIC ANALYSIS OF SELECTED PARAMETERS OF FAMILY POLICY IN POLAND Summary: This article presents an econometric analysis undertaken by attempts to build an appropriate linear econometric model of multiple regression and the correctness of its use in relation to economic instruments of family policy. The element of econometric analysis was the use of linear econometric models of multiple regression examining variables (birth, fertility rate, birth rate, the number of marriages) explained in the adopted time series, to determine the economic efficiency of state budget expenditures on family policy and its impact on the effectiveness of demographic processes. Econometric analysis was carried out on the basis of the time series between 997 and 0. The achievement of specific research objectives required the creation of measurement tools, which are econometric models. Keywords: econometric analysis, econometric model, family policy instruments.
Metody Ilościowe w Socjologii
Metody Ilościowe w Socjologii wykład 2 i 3 EKONOMETRIA dr inż. Maciej Wolny AGENDA I. Ekonometria podstawowe definicje II. Etapy budowy modelu ekonometrycznego III. Wybrane metody doboru zmiennych do modelu
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
Bardziej szczegółowoEstymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych
Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych 3.1. Estymacja parametrów i ocena dopasowania modeli z jedną zmienną 23. Właściciel komisu w celu zbadania
Bardziej szczegółowoZadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.
tel. 44 683 1 55 tel. kom. 64 566 811 e-mail: biuro@wszechwiedza.pl Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: gdzie: y t X t y t = 1 X 1
Bardziej szczegółowoK wartość kapitału zaangażowanego w proces produkcji, w tys. jp.
Sprawdzian 2. Zadanie 1. Za pomocą KMNK oszacowano następującą funkcję produkcji: Gdzie: P wartość produkcji, w tys. jp (jednostek pieniężnych) K wartość kapitału zaangażowanego w proces produkcji, w tys.
Bardziej szczegółowoEkonometria. Dobór postaci analitycznej, transformacja liniowa i estymacja modelu KMNK. Paweł Cibis 9 marca 2007
, transformacja liniowa i estymacja modelu KMNK Paweł Cibis pawel@cibis.pl 9 marca 2007 1 Miary dopasowania modelu do danych empirycznych Współczynnik determinacji Współczynnik zbieżności Skorygowany R
Bardziej szczegółowoEkonometria. Modele regresji wielorakiej - dobór zmiennych, szacowanie. Paweł Cibis pawel@cibis.pl. 1 kwietnia 2007
Modele regresji wielorakiej - dobór zmiennych, szacowanie Paweł Cibis pawel@cibis.pl 1 kwietnia 2007 1 Współczynnik zmienności Współczynnik zmienności wzory Współczynnik zmienności funkcje 2 Korelacja
Bardziej szczegółowoEKONOMETRIA. Prof. dr hab. Eugeniusz Gatnar.
EKONOMETRIA Prof. dr hab. Eugeniusz Gatnar egatnar@mail.wz.uw.edu.pl Sprawy organizacyjne Wykłady - prezentacja zagadnień dotyczących: budowy i weryfikacji modelu ekonometrycznego, doboru zmiennych, estymacji
Bardziej szczegółowoparametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających,
诲 瞴瞶 瞶 ƭ0 ƭ 瞰 parametrów strukturalnych modelu Y zmienna objaśniana, = + + + + + X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających, α 0, α 1, α 2,,α k parametry strukturalne modelu, k+1 parametrów
Bardziej szczegółowoANALIZA DYNAMIKI DOCHODU KRAJOWEGO BRUTTO
ANALIZA DYNAMIKI DOCHODU KRAJOWEGO BRUTTO Wprowadzenie Zmienność koniunktury gospodarczej jest kształtowana przez wiele różnych czynników ekonomicznych i pozaekonomicznych. Znajomość zmienności poszczególnych
Bardziej szczegółowoWprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Bardziej szczegółowoWIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA Powtórka Powtórki Kowiariancja cov xy lub c xy - kierunek zależności Współczynnik korelacji liniowej Pearsona r siła liniowej zależności Istotność
Bardziej szczegółowoStatystyka opisowa. Wykład V. Regresja liniowa wieloraka
Statystyka opisowa. Wykład V. e-mail:e.kozlovski@pollub.pl Spis treści 1 Prosta regresji cechy Y względem cech X 1,..., X k. 2 3 Wyznaczamy zależność cechy Y od cech X 1, X 2,..., X k postaci Y = α 0 +
Bardziej szczegółowoRozdział 8. Regresja. Definiowanie modelu
Rozdział 8 Regresja Definiowanie modelu Analizę korelacji można traktować jako wstęp do analizy regresji. Jeżeli wykresy rozrzutu oraz wartości współczynników korelacji wskazują na istniejąca współzmienność
Bardziej szczegółowoRegresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna
Regresja wieloraka Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna zmienna niezależna (można zobrazować
Bardziej szczegółowoProjekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2017/2018
Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2017/2018 Nr indeksu... Imię i Nazwisko... Nr grupy ćwiczeniowej... Imię i Nazwisko prowadzącego... 1. Specyfikacja modelu
Bardziej szczegółowoProjekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2014/2015
Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2014/2015 Nr indeksu... Imię i Nazwisko... Nr grupy ćwiczeniowej... Imię i Nazwisko prowadzącego... 1. Specyfikacja modelu
Bardziej szczegółowoAnaliza współzależności zjawisk
Analiza współzależności zjawisk Informacje ogólne Jednostki tworzące zbiorowość statystyczną charakteryzowane są zazwyczaj za pomocą wielu cech zmiennych, które nierzadko pozostają ze sobą w pewnym związku.
Bardziej szczegółowoREGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ. Analiza regresji i korelacji
Statystyka i opracowanie danych Ćwiczenia 5 Izabela Olejarczyk - Wożeńska AGH, WIMiIP, KISIM REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ MODEL REGRESJI LINIOWEJ Analiza regresji
Bardziej szczegółowo3. Modele tendencji czasowej w prognozowaniu
II Modele tendencji czasowej w prognozowaniu 1 Składniki szeregu czasowego W teorii szeregów czasowych wyróżnia się zwykle następujące składowe szeregu czasowego: a) składowa systematyczna; b) składowa
Bardziej szczegółowoRegresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych (X1, X2, X3,...) na zmienną zależną (Y).
Statystyka i opracowanie danych Ćwiczenia 12 Izabela Olejarczyk - Wożeńska AGH, WIMiIP, KISIM REGRESJA WIELORAKA Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych
Bardziej szczegółowoĆwiczenia IV
Ćwiczenia IV - 17.10.2007 1. Spośród podanych macierzy X wskaż te, których nie można wykorzystać do estymacji MNK parametrów modelu ekonometrycznego postaci y = β 0 + β 1 x 1 + β 2 x 2 + ε 2. Na podstawie
Bardziej szczegółowoANALIZA REGRESJI SPSS
NLIZ REGRESJI SPSS Metody badań geografii społeczno-ekonomicznej KORELCJ REGRESJ O ile celem korelacji jest zmierzenie siły związku liniowego między (najczęściej dwoma) zmiennymi, o tyle w regresji związek
Bardziej szczegółowoStatystyka. Wykład 9. Magdalena Alama-Bućko. 24 kwietnia Magdalena Alama-Bućko Statystyka 24 kwietnia / 34
Statystyka Wykład 9 Magdalena Alama-Bućko 24 kwietnia 2017 Magdalena Alama-Bućko Statystyka 24 kwietnia 2017 1 / 34 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia
Bardziej szczegółowoEkonometria. Dobór postaci analitycznej, transformacja liniowa i estymacja modelu KMNK. Paweł Cibis 23 marca 2006
, transformacja liniowa i estymacja modelu KMNK Paweł Cibis pcibis@o2.pl 23 marca 2006 1 Miary dopasowania modelu do danych empirycznych Współczynnik determinacji Współczynnik zbieżności 2 3 Etapy transformacji
Bardziej szczegółowoEkonometria. Wprowadzenie do modelowania ekonometrycznego Estymator KMNK. Jakub Mućk. Katedra Ekonomii Ilościowej
Ekonometria Wprowadzenie do modelowania ekonometrycznego Estymator Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Wykład 1 Estymator 1 / 16 Agenda 1 Literatura Zaliczenie przedmiotu 2 Model
Bardziej szczegółowoEtapy modelowania ekonometrycznego
Etapy modelowania ekonometrycznego jest podstawowym narzędziem badawczym, jakim posługuje się ekonometria. Stanowi on matematyczno-statystyczną formę zapisu prawidłowości statystycznej w zakresie rozkładu,
Bardziej szczegółowoSTATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE
STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE 1 W trakcie badania obliczono wartości średniej (15,4), mediany (13,6) oraz dominanty (10,0). Określ typ asymetrii rozkładu. 2 Wymień 3 cechy rozkładu Gauss
Bardziej szczegółowoStatystyka. Wykład 8. Magdalena Alama-Bućko. 10 kwietnia Magdalena Alama-Bućko Statystyka 10 kwietnia / 31
Statystyka Wykład 8 Magdalena Alama-Bućko 10 kwietnia 2017 Magdalena Alama-Bućko Statystyka 10 kwietnia 2017 1 / 31 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowot y x y'y x'x y'x x-x śr (x-x śr)^2
Na podstawie:w.samuelson, S.Marks Ekonomia menedżerska Zadanie 1 W przedsiębiorstwie toczy się dyskusja na temat wpływu reklamy na wielkość. Dział marketingu uważa, że reklama daje wysoce pozytywne efekty,
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoe) Oszacuj parametry modelu za pomocą MNK. Zapisz postać modelu po oszacowaniu wraz z błędami szacunku.
Zajęcia 4. Estymacja i weryfikacja modelu model potęgowy Wersja rozszerzona W pliku Funkcja produkcji.xls zostały przygotowane przykładowe dane o produkcji, kapitale i zatrudnieniu dla 27 przedsiębiorstw
Bardziej szczegółowoKORELACJE I REGRESJA LINIOWA
KORELACJE I REGRESJA LINIOWA Korelacje i regresja liniowa Analiza korelacji: Badanie, czy pomiędzy dwoma zmiennymi istnieje zależność Obie analizy się wzajemnie przeplatają Analiza regresji: Opisanie modelem
Bardziej szczegółowoNarzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski
Narzędzia statystyczne i ekonometryczne Wykład 1 dr Paweł Baranowski Informacje organizacyjne Wydział Ek-Soc, pok. B-109 pawel@baranowski.edu.pl Strona: baranowski.edu.pl (w tym materiały) Konsultacje:
Bardziej szczegółowoTablica Wzorów Rachunek Prawdopodobieństwa i Statystyki
Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Spis treści I. Wzory ogólne... 2 1. Średnia arytmetyczna:... 2 2. Rozstęp:... 2 3. Kwantyle:... 2 4. Wariancja:... 2 5. Odchylenie standardowe:...
Bardziej szczegółowoEkonometria. Zajęcia
Ekonometria Zajęcia 16.05.2018 Wstęp hipoteza itp. Model gęstości zaludnienia ( model gradientu gęstości ) zakłada, że gęstość zaludnienia zależy od odległości od okręgu centralnego: y t = Ae βx t (1)
Bardziej szczegółowoJEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY
JEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY Będziemy zapisywać wektory w postaci (,, ) albo traktując go jak macierz jednokolumnową (dzięki temu nie będzie kontrowersji przy transponowaniu wektora ) Model
Bardziej szczegółowoFORECASTING THE DISTRIBUTION OF AMOUNT OF UNEMPLOYED BY THE REGIONS
FOLIA UNIVERSITATIS AGRICULTURAE STETINENSIS Folia Univ. Agric. Stetin. 007, Oeconomica 54 (47), 73 80 Mateusz GOC PROGNOZOWANIE ROZKŁADÓW LICZBY BEZROBOTNYCH WEDŁUG MIAST I POWIATÓW FORECASTING THE DISTRIBUTION
Bardziej szczegółowoWstęp... 9. Część 1. Sytuacja rodzin i wyzwania wobec polityki rodzinnej a sytuacja na rynku pracy wybrane aspekty
Spis treści Wstęp... 9 Część 1. Sytuacja rodzin i wyzwania wobec polityki rodzinnej a sytuacja na rynku pracy wybrane aspekty Adam Kubów: Bariery aktywności zawodowej rodziców wychowujących dzieci... 13
Bardziej szczegółowoZmienne zależne i niezależne
Analiza kanoniczna Motywacja (1) 2 Często w badaniach spotykamy problemy badawcze, w których szukamy zakresu i kierunku zależności pomiędzy zbiorami zmiennych: { X i Jak oceniać takie 1, X 2,..., X p }
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 9
Stanisław Cichocki Natalia Nehrebecka Wykład 9 1 1. Dodatkowe założenie KMRL 2. Testowanie hipotez prostych Rozkład estymatora b Testowanie hipotez prostych przy użyciu statystyki t 3. Przedziały ufności
Bardziej szczegółowoWprowadzenie do teorii ekonometrii. Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe
Wprowadzenie do teorii ekonometrii Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe Zajęcia Wykład Laboratorium komputerowe 2 Zaliczenie EGZAMIN (50%) Na egzaminie obowiązują wszystkie informacje
Bardziej szczegółowoMODELE LINIOWE. Dr Wioleta Drobik
MODELE LINIOWE Dr Wioleta Drobik MODELE LINIOWE Jedna z najstarszych i najpopularniejszych metod modelowania Zależność między zbiorem zmiennych objaśniających, a zmienną ilościową nazywaną zmienną objaśnianą
Bardziej szczegółowoNiestacjonarne zmienne czasowe własności i testowanie
Materiał dla studentów Niestacjonarne zmienne czasowe własności i testowanie (studium przypadku) Część 3: Przykłady testowania niestacjonarności Nazwa przedmiotu: ekonometria finansowa I (22204), analiza
Bardziej szczegółowoTestowanie hipotez statystycznych związanych ą z szacowaniem i oceną ą modelu ekonometrycznego
Testowanie hipotez statystycznych związanych ą z szacowaniem i oceną ą modelu ekonometrycznego Ze względu na jakość uzyskiwanych ocen parametrów strukturalnych modelu oraz weryfikację modelu, metoda najmniejszych
Bardziej szczegółowoTEST STATYSTYCZNY. Jeżeli hipotezę zerową odrzucimy na danym poziomie istotności, to odrzucimy ją na każdym większym poziomie istotności.
TEST STATYSTYCZNY Testem statystycznym nazywamy regułę postępowania rozstrzygająca, przy jakich wynikach z próby hipotezę sprawdzaną H 0 należy odrzucić, a przy jakich nie ma podstaw do jej odrzucenia.
Bardziej szczegółowoMetoda najmniejszych kwadratów
Model ekonometryczny Wykształcenie a zarobki Hipoteza badawcza: Istnieje zależność między poziomem wykształcenia a wysokością zarobków Wykształcenie a zarobki Hipoteza badawcza: Istnieje zależność między
Bardziej szczegółowoWeryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoEkonometria. Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych. Jakub Mućk. Katedra Ekonomii Ilościowej
Ekonometria Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Wykład 4 Prognozowanie, stabilność 1 / 17 Agenda
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO Wykład 5
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 5 Analiza korelacji - współczynnik korelacji Pearsona Cel: ocena współzależności między dwiema zmiennymi ilościowymi Ocenia jedynie zależność liniową. r = cov(x,y
Bardziej szczegółowoEkonometria ćwiczenia 3. Prowadzący: Sebastian Czarnota
Ekonometria ćwiczenia 3 Prowadzący: Sebastian Czarnota Strona - niezbędnik http://sebastianczarnota.com/sgh/ Normalność rozkładu składnika losowego Brak normalności rozkładu nie odbija się na jakości otrzymywanych
Bardziej szczegółowoWielowymiarowa analiza regresji. Regresja wieloraka, wielokrotna
Wielowymiarowa analiza regresji. Regresja wieloraka, wielokrotna Badanie współzależności zmiennych Uwzględniając ilość zmiennych otrzymamy 4 odmiany zależności: Zmienna zależna jednowymiarowa oraz jedna
Bardziej szczegółowoMetoda Johansena objaśnienia i przykłady
Metoda Johansena objaśnienia i przykłady Model wektorowej autoregresji rzędu p, VAR(p), ma postad gdzie oznacza wektor zmiennych endogenicznych modelu. Model VAR jest stabilny, jeżeli dla, tzn. wielomian
Bardziej szczegółowo5. Model sezonowości i autoregresji zmiennej prognozowanej
5. Model sezonowości i autoregresji zmiennej prognozowanej 1. Model Sezonowości kwartalnej i autoregresji zmiennej prognozowanej (rząd istotnej autokorelacji K = 1) Szacowana postać: y = c Q + ρ y, t =
Bardziej szczegółowoEKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE
EKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE ZADANIE 1 Oszacowano zależność między luką popytowa a stopą inflacji dla gospodarki niemieckiej. Wyniki estymacji są następujące: Estymacja KMNK,
Bardziej szczegółowoZadania ze statystyki, cz.6
Zadania ze statystyki, cz.6 Zad.1 Proszę wskazać, jaką część pola pod krzywą normalną wyznaczają wartości Z rozkładu dystrybuanty rozkładu normalnego: - Z > 1,25 - Z > 2,23 - Z < -1,23 - Z > -1,16 - Z
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO Wykład 7
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 7 Analiza korelacji - współczynnik korelacji Pearsona Cel: ocena współzależności między dwiema zmiennymi ilościowymi Ocenia jedynie zależność liniową. r = cov(x,y
Bardziej szczegółowoWielkość dziennego obrotu w tys. zł. (y) Liczba ekspedientek (x) 6 2 4 5,5 6,6
Zad. 1. Zbadano wydajność odmiany pomidorów na 100 poletkach doświadczalnych. W wyniku przeliczeń otrzymano przeciętną wydajność na w tonach na hektar x=30 i s 2 x =7. Przyjmując, że rozkład plonów pomidora
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Zajęcia 11-12
Stanisław Cichocki Natalia Nehrebecka Zajęcia 11-12 1. Zmienne pominięte 2. Zmienne nieistotne 3. Obserwacje nietypowe i błędne 4. Współliniowość - Mamy 2 modele: y X u 1 1 (1) y X X 1 1 2 2 (2) - Potencjalnie
Bardziej szczegółowoStatystyka od podstaw Janina Jóźwiak, Jarosław Podgórski
Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej
Bardziej szczegółowoREGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ
REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ Korelacja oznacza fakt współzależności zmiennych, czyli istnienie powiązania pomiędzy nimi. Siłę i kierunek powiązania określa się za pomocą współczynnika korelacji
Bardziej szczegółowoZależność. przyczynowo-skutkowa, symptomatyczna, pozorna (iluzoryczna),
Zależność przyczynowo-skutkowa, symptomatyczna, pozorna (iluzoryczna), funkcyjna stochastyczna Korelacja brak korelacji korelacja krzywoliniowa korelacja dodatnia korelacja ujemna Szereg korelacyjny numer
Bardziej szczegółowoWspółczynnik korelacji. Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ
Współczynnik korelacji Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ Własności współczynnika korelacji 1. Współczynnik korelacji jest liczbą niemianowaną 2. ϱ 1,
Bardziej szczegółowoTeoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie
Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie Szkolenie dla pracowników Urzędu Statystycznego nt. Wybrane metody statystyczne w analizach makroekonomicznych dr
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 4
Stanisław Cichocki Natalia Nehrebecka Wykład 4 1 1. Własności hiperpłaszczyzny regresji 2. Dobroć dopasowania równania regresji. Współczynnik determinacji R 2 Dekompozycja wariancji zmiennej zależnej Współczynnik
Bardziej szczegółowoSzacowanie wartości hodowlanej. Zarządzanie populacjami
Szacowanie wartości hodowlanej Zarządzanie populacjami wartość hodowlana = wartość cechy? Tak! Przy h 2 =1 ? wybitny ojciec = wybitne dzieci Tak, gdy cecha wysokoodziedziczalna. Wartość hodowlana genetycznie
Bardziej szczegółowoZastosowanie modelu regresji logistycznej w ocenie ryzyka ubezpieczeniowego. Łukasz Kończyk WMS AGH
Zastosowanie modelu regresji logistycznej w ocenie ryzyka ubezpieczeniowego Łukasz Kończyk WMS AGH Plan prezentacji Model regresji liniowej Uogólniony model liniowy (GLM) Ryzyko ubezpieczeniowe Przykład
Bardziej szczegółowoZadanie 1. a) Przeprowadzono test RESET. Czy model ma poprawną formę funkcyjną? 1
Zadanie 1 a) Przeprowadzono test RESET. Czy model ma poprawną formę funkcyjną? 1 b) W naszym przypadku populacja są inżynierowie w Tajlandii. Czy można jednak przypuszczać, że na zarobki kobiet-inżynierów
Bardziej szczegółowoEkonometryczna analiza popytu na wodę
Jacek Batóg Uniwersytet Szczeciński Ekonometryczna analiza popytu na wodę Jednym z czynników niezbędnych dla funkcjonowania gospodarstw domowych oraz realizacji wielu procesów technologicznych jest woda.
Bardziej szczegółowo1.1 Klasyczny Model Regresji Liniowej
1.1 Klasyczny Model Regresji Liniowej Klasyczny model Regresji Liniowej jest bardzo użytecznym narzędziem służącym do analizy danych empirycznych. Analiza regresji zajmuje się opisem zależności między
Bardziej szczegółowoPrognozowanie na podstawie modelu ekonometrycznego
Prognozowanie na podstawie modelu ekonometrycznego Przykład. Firma usługowa świadcząca usługi doradcze w ostatnich kwartałach (t) odnotowała wynik finansowy (yt - tys. zł), obsługując liczbę klientów (x1t)
Bardziej szczegółowoPRACE NAUKOWE Uniwersytetu Ekonomicznego we Wrocławiu
PRACE NAUKOWE Uniwersytetu Ekonomicznego we Wrocławiu RESEARCH PAPERS of Wrocław University of Economics Nr 364 Polityka rodzinna w Polsce z perspektywy wybranych aspektów polityki społecznej i ekonomii
Bardziej szczegółowoTestowanie hipotez dla dwóch zmiennych zależnych. Moc testu. Minimalna liczność próby; Regresja prosta; Korelacja Pearsona;
LABORATORIUM 4 Testowanie hipotez dla dwóch zmiennych zależnych. Moc testu. Minimalna liczność próby; Regresja prosta; Korelacja Pearsona; dwie zmienne zależne mierzalne małe próby duże próby rozkład normalny
Bardziej szczegółowoĆwiczenie: Wybrane zagadnienia z korelacji i regresji.
Ćwiczenie: Wybrane zagadnienia z korelacji i regresji. W statystyce stopień zależności między cechami można wyrazić wg następującej skali: Skala Guillforda Przedział Zależność Współczynnik [0,00±0,20)
Bardziej szczegółowoStatystyka. Wykład 9. Magdalena Alama-Bućko. 7 maja Magdalena Alama-Bućko Statystyka 7 maja / 40
Statystyka Wykład 9 Magdalena Alama-Bućko 7 maja 2018 Magdalena Alama-Bućko Statystyka 7 maja 2018 1 / 40 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia miary
Bardziej szczegółowoO LICZBIE ABONENTÓW TELEFONII KOMÓRKOWEJ W POLSCE ZDANIEM TRZECH STATYSTYKÓW
Rafał Czyżycki, Marcin Hundert, Rafał Klóska Wydział Zarządzania i Ekonomiki Usług Uniwersytet Szczeciński O LICZBIE ABONENTÓW TELEFONII KOMÓRKOWEJ W POLSCE ZDANIEM TRZECH STATYSTYKÓW Wprowadzenie Poruszana
Bardziej szczegółowo1. Eliminuje się ze zbioru potencjalnych zmiennych te zmienne dla których korelacja ze zmienną objaśnianą jest mniejsza od krytycznej:
Metoda analizy macierzy współczynników korelacji Idea metody sprowadza się do wyboru takich zmiennych objaśniających, które są silnie skorelowane ze zmienną objaśnianą i równocześnie słabo skorelowane
Bardziej szczegółowo8.1. Syndrom wypalenia zawodowego a dopasowanie do środowiska pracy - analiza korelacji. Rozdział 8. Dane uzyskane w badaniach
W tej części pracy przedstawione zostały dane zebrane w badaniach wraz z ich statystycznym opracowaąiem mającym na celu zbadanie, czy zachodzą zależności pomiędzy dopasowaniem do środowiska pracy a wypaleniem
Bardziej szczegółowoUczelnia Łazarskiego. Sylabus. 1. Nazwa przedmiotu EKONOMETRIA 2. Kod przedmiotu
Uczelnia Łazarskiego Sylabus 1. Nazwa przedmiotu EKONOMETRIA 2. Kod przedmiotu 3. Język wykładowy Język polski 4. Status przedmiotu podstawowy do wyboru Języki X kierunkowy specjalistyczny Inne 5. Cel
Bardziej szczegółowoWOJCIECH WYRZYKOWSKI PODATKOWE UWARUNKOWANIA ROZWOJU PRZEDSIĘBIORCZOŚCI W POLSCE
WOJCIECH WYRZYKOWSKI PODATKOWE UWARUNKOWANIA ROZWOJU PRZEDSIĘBIORCZOŚCI W POLSCE GDAŃSK 2013 PRZEWODNICZĄCY KOMITETU REDAKCYJNEGO WYDAWNICTWA POLITECHNIKI GDAŃSKIEJ Janusz T. Cieśliński REDAKTOR PUBLIKACJI
Bardziej szczegółowoAnaliza regresji - weryfikacja założeń
Medycyna Praktyczna - portal dla lekarzy Analiza regresji - weryfikacja założeń mgr Andrzej Stanisz z Zakładu Biostatystyki i Informatyki Medycznej Collegium Medicum UJ w Krakowie (Kierownik Zakładu: prof.
Bardziej szczegółowoAnaliza zależności cech ilościowych regresja liniowa (Wykład 13)
Analiza zależności cech ilościowych regresja liniowa (Wykład 13) dr Mariusz Grządziel semestr letni 2012 Przykład wprowadzajacy W zbiorze danych homedata (z pakietu R-owskiego UsingR) można znaleźć ceny
Bardziej szczegółowoRÓWNOWAŻNOŚĆ METOD BADAWCZYCH
RÓWNOWAŻNOŚĆ METOD BADAWCZYCH Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska Równoważność metod??? 2 Zgodność wyników analitycznych otrzymanych z wykorzystaniem porównywanych
Bardziej szczegółowoAnaliza zdarzeń Event studies
Analiza zdarzeń Event studies Dobromił Serwa akson.sgh.waw.pl/~dserwa/ef.htm Leratura Campbell J., Lo A., MacKinlay A.C.(997) he Econometrics of Financial Markets. Princeton Universy Press, Rozdział 4.
Bardziej szczegółowoStatystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r
Statystyka matematyczna Testowanie hipotez i estymacja parametrów Wrocław, 18.03.2016r Plan wykładu: 1. Testowanie hipotez 2. Etapy testowania hipotez 3. Błędy 4. Testowanie wielokrotne 5. Estymacja parametrów
Bardziej szczegółowoĆwiczenie: Wybrane zagadnienia z korelacji i regresji
Ćwiczenie: Wybrane zagadnienia z korelacji i regresji W statystyce stopień zależności między cechami można wyrazić wg następującej skali: Skala Stanisza r xy = 0 zmienne nie są skorelowane 0 < r xy 0,1
Bardziej szczegółowoEstymacja punktowa i przedziałowa
Temat: Estymacja punktowa i przedziałowa Kody znaków: żółte wyróżnienie nowe pojęcie czerwony uwaga kursywa komentarz 1 Zagadnienia 1. Statystyczny opis próby. Idea estymacji punktowej pojęcie estymatora
Bardziej szczegółowoLuka płacowa, czyli co zrobić żeby kobiety nie zarabiały mniej?
Luka płacowa, czyli co zrobić żeby kobiety nie zarabiały mniej? Jak mierzyć lukę płacową? Warszawa, 26 marca 2014 r. Obowiązujące prawo - Konstytucja Artykuł 33 Konstytucji Rzeczypospolitej Polskiej gwarantuje
Bardziej szczegółowoSpis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
Bardziej szczegółowoSTATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2
STATYSTYKA Rafał Kucharski Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2 Zależność przyczynowo-skutkowa, symptomatyczna, pozorna (iluzoryczna), funkcyjna stochastyczna
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez statystycznych
Bardziej szczegółowoSpis treści 3 SPIS TREŚCI
Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe
Bardziej szczegółowoProces modelowania zjawiska handlu zagranicznego towarami
Załącznik nr 1 do raportu końcowego z wykonania pracy badawczej pt. Handel zagraniczny w województwach (NTS2) realizowanej przez Centrum Badań i Edukacji Statystycznej z siedzibą w Jachrance na podstawie
Bardziej szczegółowoEkonometria egzamin 06/03/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora.
imię, nazwisko, nr indeksu: Ekonometria egzamin 06/03/2019 1. Egzamin trwa 90 minut. 2. Rozwiązywanie zadań należy rozpocząć po ogłoszeniu początku egzaminu a skończyć wraz z ogłoszeniem końca egzaminu.
Bardziej szczegółowoZadania ze statystyki cz. 8 I rok socjologii. Zadanie 1.
Zadania ze statystyki cz. 8 I rok socjologii Zadanie 1. W potocznej opinii pokutuje przekonanie, że lepsi z matematyki są chłopcy niż dziewczęta. Chcąc zweryfikować tę opinię, przeprowadzono badanie w
Bardziej szczegółowoRecenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak
Recenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak Redakcja i korekta Bogdan Baran Projekt graficzny okładki Katarzyna Juras Copyright by Wydawnictwo Naukowe Scholar, Warszawa 2011 ISBN
Bardziej szczegółowo( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie:
ma postać y = ax + b Równanie regresji liniowej By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : xy b = a = b lub x Gdzie: xy = też a = x = ( b ) i to dane empiryczne, a ilość
Bardziej szczegółowoEkonometria i prognozowanie Econometrics and prediction
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2013/2014 Ekonometria i prognozowanie Econometrics and prediction A. USYTUOWANIE
Bardziej szczegółowoStosowana Analiza Regresji
prostej Stosowana Wykład I 5 Października 2011 1 / 29 prostej Przykład Dane trees - wyniki pomiarów objętości (Volume), średnicy (Girth) i wysokości (Height) pni drzew. Interesuje nas zależność (o ile
Bardziej szczegółowo