METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH

Transkrypt

1 METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH

2 QUANTITATIVE METHODS IN ECONOMICS Vol. XIII, No.

3 Szkoła Główna Gospodarstwa Wejskego Wydzał Zastosowań Informatyk Matematyk Katedra Ekonometr Statystyk METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XIII/ Redaktor Naczelny Bolesław Borkowsk, Karol Kukuła Warszawa 202

4 KOMITET REDAKCYJNY prof. Zbgnew Bnderman przewodnczący, prof. Bolesław Borkowsk, prof. Leszek Kuchar, prof. Wojcech Zelńsk, dr hab. Stansław Gędek, dr Hanna Dudek, dr Agata Bnderman sekretarz RADA NAUKOWA prof. Bolesław Borkowsk przewodnczący (SGGW w Warszawe) prof. Zbgnew Bnderman (SGGW w Warszawe) prof. Paolo Gajo (Unversty of Florence) prof. Evgeny Grebenkov (Computng Centre of Russa Academy of Scences, Moscow) prof. Yury Kondratenko (Black Sea State Unversty, Ukrane) prof. Vassls Kostoglou (Alexander Technologcal Educatonal Insttute of Thessalonk) prof. Robert Kragler (Unversty of Appled Scences, Wengarten, Germany) prof. Yochanan Shachmurove (The Cty College of The Cty Unversty of New York) prof. Alexander N. Prokopenya (Brest Unversty, Belarus) dr Monka Krawec sekretarz (SGGW w Warszawe) SKŁAD I ŁAMANIE: dr Jolanta Kotlarska, dr Elżbeta Saganowska RECENZENCI WSPÓŁPRACUJĄCY Z REDAKCJĄ prof. Iacopo Bernett (Unversty of Florence) prof. Paolo Gajo (Unversty of Florence) prof. Yury Kondratenko (Black Sea State Unversty, Ukrane) prof. Vassls Kostoglou (Alexander Technologcal Educatonal Insttute of Thessalonk, Greece) prof. Karol Kukuła (Unwersytet Rolnczy w Krakowe) prof. Wanda Marcnkowska-Lewandowska (Szkoła Główna Handlowa w Warszawe) prof. Yochanan Shachmurove (The Cty College of the Cty Unversty of New York) prof. Ewa Marta Syczewska (Szkoła Główna Handlowa w Warszawe) prof. Dorota Wtkowska (SGGW w Warszawe) prof. Wojcech Zelńsk (SGGW w Warszawe) dr Lucyna Błażejczyk-Majka (Unwersytet Adama Mckewcza w Poznanu) dr Mchaela Chocolata (Unversty of Economcs n Bratslava, Slovaka) Redaktor językowy: Agata Kropwec Redaktor statystyczny: prof. Wojcech Zelńsk Natve speaker: prof. Yochanan Shachmurove Redaktorzy tematyczn: ekonometra statystyka prof. Bolesław Borkowsk nżynera fnansowa prof. Dorota Wtkowska welowymarowa analza danych prof. Wesław Szczesny ekonoma matematyczna prof. Zbgnew Bnderman ISSN X Copyrght by Katedra Ekonometr Statystyk SGGW, Warszawa 202 Druk: Agencja Reklamowo-Wydawncza A. Grzegorczyk,

5

6

7 SPIS TREŚCI Profesor Karol Kukuła 40 lat pracy naukowo-dydaktycznej... Karol Kukuła Propozycja budowy rankngu obektów z wykorzystanem cech loścowych oraz jakoścowych... 5 Meczysław Adamowcz, Paweł Janulewcz Wykorzystane metod welowymarowych w określenu pozycj konkurencyjnej gmny na przykładze województwa lubelskego... 7 Elżbeta Badach Zastosowane metod statystycznej analzy welowymarowej do badana struktury wydatków gospodarstw domowych Zbgnew Bnderman, Bolesław Borkowsk Wesław Szczesny, Yochanan Shachmurove Zmany struktury eksportu produktów rolnych w wybranych krajach UE w okrese Danuta Bogocz Pomędzy TAK a NIE czyl o rozmytym charakterze pojęć, metod kategor Jadwga Bożek Kerunk zman struktury agrarnej województw według grup typologcznych (prognoza do roku 2020) Jan Czempas Współczynnk koncentracj k jako mara zróżncowana dochodów nwestycj gmn Beata Fałda, Józef Zając Zagadnene regresj w naukach ekonomcznych Anna Florek-Paszkowska Potr Cymanow Zarządzane procesem produkcj z wykorzystanem metody AHP/ANP Tadeusz Konrad Grabowsk Analza statystyczna cen zem rolnczej w Polsce ( ) Wesław Grygerzec O jednoltym podejścu do rachunku waracyjnego sterowana optymalnego... 8 Józef Hozer W sprawe zasadnczej proporcj gospodarczej... 27

8 Sps treśc Monka Jaworska, Artur Jacek Kożuch Ocena przydatnośc wybranych metod WAP w analze samodzelnośc fnansowej gmn... 3 Marek Andrzej Kocńsk O pewnej strateg zarządzana portfelem. Teora przykład portfela spółek z sektora spożywczego Włodzmerz Kołodzejczak, Felks Wysock Determnanty zmany stanu aktywnośc ekonomcznej ludnośc w Polsce Lda Luty Dynamka rozwoju rolnctwa ekologcznego w Polsce Jan Paradysz, Karolna Paradysz Rozwój demografczny ws: trendy perspektywy ( ) Wojcech Skora Optymalzacja produkcj roślnnej jako nelnowe zagadnene rozdzału Jacek Strojny Konkurencyjność mędzynarodowa rolnctwa krajów UE konwergencja czy dywergencja? Janna Szewczyk Mara zróżncowana wyposażena gospodarstw rolnych w technczne środk produkcj Mara Szmuksta-Zawadzka, Jan Zawadzk O mernkach dokładnośc prognoz ex post w prognozowanu zmennych o slnym natężenu sezonowośc Katarzyna Utnk-Banaś Analza szeregu czasowego cen żywca brojlerów w latach Aneta Włodarczyk, Marek Szajt Ocena stablnośc sytuacj fnansowej przedsęborstw sektora przemysłu spożywczego na podstawe TMAI Katarzyna Wolak Japona Polska. Struktura mportu oraz eksportu żywnośc żywych zwerząt w latach Monka Zoło Zróżncowane przedsęborstw sektora usług turystycznych w układze województw Darusz Żmja, Lda Luty Determnanty terytoralnego zróżncowana absorpcj środków unjnych w ramach dzałana Modernzacja gospodarstw rolnych PROW Joanna Żyra Współczesne narzędza ekonometryczne w badanach nedopasowań strukturalnych na rynku usług edukacyjnych

9 PROFESOR KAROL KUKUŁA 40 LAT PRACY NAUKOWO-DYDAKTYCZNEJ Profesor Karol Kukuła urodzł sę 23 lutego 948 roku w Brodach koło Kalwar Zebrzydowskej. W latach studował na Wydzale Ekonomk Produkcj Wyższej Szkoły Ekonomcznej w Krakowe. Już w czase studów szczególne nteresował sę zastosowanem metod matematycznych w badanach społeczno-ekonomcznych, stąd Jego ulubonym przedmotam były: statystyka, ekonometra badana operacyjne. Tytuł magstra ekonom otrzymał na podstawe pracy Ekonometryczna analza dzałalnośc produkcyjnej Krakowskch Zakładów Przemysłu Sprytusowego. W 973 roku zdobył mano najlepszego studenta Krakowa, co łączyło sę z otrzymanem medalu m. M. Kopernka oraz Krakowskej Czerwonej Róży. Po ukończenu studów podjął pracę w Zakładze Ekonometr Cybernetyk Wyższej Szkoły Ekonomcznej w Krakowe na stanowsku asystenta-stażysty, następne asystenta, starszego asystenta adunkta. W roku 976 obronł pracę doktorską pt. Metody badana zmennośc struktur ekonomcznych decyzją Rady Wydzału Ekonomk Organzacj Obrotu Akadem Ekonomcznej w Krakowe uzyskał stopeń doktora nauk ekonomcznych. W roku 990 na postawe ogólnego dorobku naukowego rozprawy nt. Statystyczna analza strukturalna jej zastosowane w sferze usług produkcyjnych dla rolnctwa uzyskał stopeń doktora habltowanego nauk ekonomcznych w zakrese ekonom, statystyk ekonomk rolnctwa. Swój warsztat naukowo-badawczy Profesor rozwjał na zagrancznych stażach naukowych: w Unwersytece Katolckm w Tlburgu (976 r.) oraz w Grand Valley State College w USA (98 r.). W 992 roku objął stanowsko profesora Akadem Rolnczej w Krakowe (obecne Unwersytet Rolnczy), gdze od maja 992 roku do chwl obecnej pełn funkcję kerownka Katedry Statystyk Matematycznej (dawnej Zakład Statystyk Matematycznej). Pracę w Akadem Ekonomcznej kontynuował nadal, w wymarze ¾ etatu, do roku 996. W marę naukowego awansu uzyskwana kolejnych stopn naukowych stanowsk, Profesor, jako wysoko cenony wykładowca w zakrese statystyk, ekonometr badań operacyjnych, był zapraszany do różnych uczeln zatrudnany

10 2 Jadwga Bożek tam przez wele lat. Wykładał w Państwowej Wyższej Szkole Zawodowej w Jarosławu, Wyższej Szkole Pedagogcznej w Krakowe, Akadem Wychowana Fzycznego w Krakowe, w Poltechnce Częstochowskej, Wyższej Szkole Bznesu Przedsęborczośc w Ostrowcu Śwętokrzyskm (prorektor w latach ), w Wyższej Szkole Humanstyczno Ekonomcznej w Zamoścu, w której w latach pełnł funkcję Rektora oraz w Państwowej Wyższej Szkole Zawodowej w Tarnowe, gdze jest zatrudnony do dzś. Szeroke zanteresowana naukowe Profesora w najwększym stopnu skupają sę na zagadnenach zwązanych z welowymarową analzą porównawczą. Rozwązana prezentowane są w wększośc w kontekśce gospodark rolno-żywnoścowej. Poruszana tematyka obejmuje m.n. problemy adaptacj struktury polskej gospodark w warunkach konkurencyjnośc krajów Un Europejskej, charakter struktury agrarnej Polsk dynamk jej przekształceń w porównanu z analogcznym strukturam Europy Zachodnej, analzę przestrzennego rozkładu skupu rolnego w Polsce oraz pozomu nasycena usługam produkcyjnym polskego rolnctwa. Nektóre metody welowymarowej analzy porównawczej znalazły zastosowane w sferze turystyk, gdze posłużyły jako narzędze do herarchcznego porządkowana województw pod względem ch bazy materalnej czy stopna zagospodarowana turystycznego stanu środowska naturalnego. Wele zagadneń teoretycznych z zakresu analzy struktur ekonomcznych, wraz z przykładam lustrującym proponowane rozwązana, Profesor zawarł w monografach: - Statystyczne metody analzy struktur ekonomcznych, - Metoda untaryzacj zerowanej, - Statystyczne studum struktury agrarnej w Polsce. Oprócz wymenonych monograf Profesor jest autorem ponad 30 publkacj, w tym 88 samodzelnych. Prof. K. Kukuła berze też aktywny udzał w lcznych konferencjach sympozjach; bardzo często wygłaszając referaty, a prawe zawsze uczestncząc w dyskusj. Jest uczestnkem welu konferencj cyklcznych, w tym także o zasęgu mędzynarodowym, m.n.: Mędzynarodowa Konferencja nt. Metod Zastosowań Badań Operacyjnych (MZBO), Mędzynarodowe Colloquum Bometryczne, Mędzynarodowa Konferencja Metody Iloścowe w Badanach Ekonomcznych, Kongres Stowarzyszena Ekonomstów Rolnctwa Agrobznesu.

11 Profesor Karol Kukuła 40 lat pracy naukowo-dydaktycznej 3 Profesor jest bardzo cenonym dydaktykem. Prowadz zajęca w forme wykładów ćwczeń z welu przedmotów: statystyk, ekonometr, badań operacyjnych, metod oceny zjawsk złożonych, prognozowana symulacj. Jego wykłady cechuje wysok profesjonalzm przystępność przekazu, dlatego ceszą sę dużym uznanem wśród studentów. Prowadz równeż semnara magsterske z zakresu zastosowań metod statystycznych do opsu zjawsk zależnośc ekonomcznych. Był opekunem ponad 200 prac magsterskch lcencjackch. Bogate dośwadczene dydaktyczne Profesora zaowocowało znaczącą lczbą skryptów podręcznków, bardzo popularnych cenonych wśród studentów, a także pracownków naukowych kerunków ekonomcznych wększośc polskch uczeln. Warto podkreślć, że prawe wszystke z tych podręcznków ukazały sę już w klku wydanach. Profesor jest autorem lub współautorem oraz redaktorem następujących podręcznków o zasęgu ogólnopolskm: - Elementy statystyk w zadanach, PWN Warszawa, trzy wydana - Badana operacyjne w przykładach zadanach, PWN Warszawa, sześć wydań - Ekonometra w przykładach zadanach, PWN Warszawa, dwa wydana oraz skryptu AR: - Wybrane zagadnena matematyk w zadanach, dwa wydana. Na szczególne podkreślene zasługuje fakt, że Prof. K. Kukuła wnósł bardzo znaczący wkład w rozwój młodej kadry naukowej, szczególne na Unwersytece Rolnczym w Krakowe, ale także poza nm. Był promotorem wypromowanych przewodów doktorskch (w tym 8 w Katedrze, którą keruje), 5-krotne był recenzentem rozpraw habltacyjnych, a 7-krotne doktorskch. Profesor prowadz równeż dzałalność wydawnczo-redakcyjną: od 992 roku jako redaktor naukowy ser Ekonomka Zeszytów Naukowych Akadem Rolnczej w Krakowe, a od 997 roku jest członkem Kolegum Redakcyjnego Rady Programowej perodyku o zasęgu ogólnokrajowym Krakowske Studa Małopolske. Uznane dla wynków pracy oraz zdolnośc organzacyjnych wyraża sę w powerzanych Mu funkcjach. Prof. K. Kukuła jest kerownkem Katedry Statystyk Matematycznej UR od 992 roku; w latach był przewodnczącym Wydzałowej Komsj do Spraw Nagród Odznaczeń, a przez szereg lat był członkem Wydzałowej, a także Uczelnanej Komsj Rekrutacyjnej AR (a wcześnej równeż Akadem Ekonomcznej). Za osągnęca naukowe dydaktyczne Profesor został wyróżnony Nagrodą Mnstra III stopna za skrypty Akadem Ekonomcznej napsane w latach

12 4 Jadwga Bożek , zaś za skrypt Akadem Rolnczej Nagrodą Rektora Akadem Rolnczej w Krakowe. Podobne za prace naukowo-badawcze otrzymał Nagrodę Rektora Akadem Ekonomcznej (w latach 987, 989,99 995) oraz w 995 roku - Nagrodę Rektora Akadem Rolnczej. W 999 roku został odznaczony Srebrnym Krzyżem Zasług, a w 2002 roku Medalem Komsj Edukacj Narodowej. Ne sposób ne wspomneć o hobby Profesora, jakm jest hstora w ogóle, a w szczególnośc okres I wojny śwatowej. Profesor od lat peczołowce gromadz cenne pamątk z tego okresu, wyszukując je właścwe przy każdej nadarzającej sę okazj, a także regularne na gełdach staroc. Zgromadzł też pokaźny zbór sztućców polskch z weku XVII-XX jest w trakce psana ksążk na ten temat. Jako długoletn pracownk Katedry Statystyk Matematycznej, chcałabym szczególne podkreślć zaangażowane Profesora w rozwój naukowy pracownków Katedry. Profesor pośwęca temu bardzo dużo czasu, uwag wysłku. Dzękuję za to w menu własnym wszystkch pracownków Katedry. Z okazj Jubleuszu życzymy pomyślnośc dalszych sukcesów w pracy naukowo-dydaktycznej oraz zdrowa szczęśca w życu rodznnym. Jadwga Bożek

13 METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XIII/, 202, str. 5 6 PROPOZYCJA BUDOWY RANKINGU OBIEKTÓW Z WYKORZYSTANIEM CECH ILOŚCIOWYCH ORAZ JAKOŚCIOWYCH Karol Kukuła Katedra Statystyk Matematycznej Unwersytet Rolnczy m. Hugona Kołłątaja w Krakowe e-mal:ksm@ur.krakow.pl Streszczene: W artykule podjęto próbę jednoczesnego wykorzystana cech loścowych oraz jakoścowych w ocene zjawska złożonego. W perwszej kolejnośc przedstawono klka często spotykanych w opracowanach emprycznych metod normowana z uwzględnenem ch własnośc. Szczególna uwagę pośwęcono metodze untaryzacj zerowanej, wskazując na jej przydatność w jednoczesnym procese normowana z cecham jakoścowym. W dalszej częśc artykułu zaproponowano metody kwantyfkacj oraz normowana wybranych cech jakoścowych. Całość zwązana z normowanem, wyznaczanem zmennej statystycznej oraz budową rankngu, zlustrowano przykładem. Słowa kluczowe: cechy loścowe, cechy jakoścowe, obekt, metody normowana, metoda untaryzacj zerowanej, rankng, zjawsko złozone WSTĘP Jednym z podstawowych zadań stojących przed welowymarową analzą statystyczną jest budowa rankngu obektów ze względu na zespół cech je opsujących. Przystępując do budowy rankngu obektów na baze cech loścowych należy doprowadzć do ujednolcena zmennych względem welkośc a także pozbawć ch man. Celow temu służą lczne metody normowana cech loścowych [Borys 978], [Grabńsk 984], [Hellwg 968], [Kukuła 2000], [Nowak 985] [Strahl 990], jake można znaleźć w lteraturze przedmotu. Problem sę komplkuje, gdy mamy do czynena z cecham loścowym oraz jakoścowym jednocześne. Odpowada to sytuacj, gdy w wytypowanym do

14 6 Karol Kukuła badań zborze cech dagnostycznych obok cech loścowych występują równeż cechy jakoścowe. Celem nnejszego artykułu jest ukazane jednej z możlwych dróg postępowana w przypadku współwystępowana cech loścowych oraz jakoścowych, służących opsow obektów będących przedmotem zanteresowana badacza. Dla realzacj tego celu przedstawono jedną z metod normowana cech loścowych metodę untaryzacj zerowanej a w dalszej kolejnośc zaproponowano, po uprzednej kwantyfkacj metodę normowana cech jakoścowych. Warunkem umożlwającym agregację obu typów cech po ch unormowanu jest uzyskane takch samych przedzałów zmennośc w obu przypadkach. Metoda untaryzacj zerowanej oraz proponowana metoda normowana cech jakoścowych spełnają ten postulat. Obe metody dają bowem unormowana cech w przedzale obustronne domknętym [ 0, ]. Metoda untaryzacj zerowanej W procese normowana orygnalnych wartośc cech dagnostycznych X należy dokonać ch przekształcena według wybranej metody normującej w zmenną Z pozbawone man o ustalonym, jednoltym przedzale zmennośc. Jedną z metod normujących cechy loścowe jest metoda untaryzacj zerowanej, którą ze względu na jej własnośc polecamy do wykorzystana z proponowaną dalej metodą normowana cech jakoścowych. Zakładając, że mamy na celu budowę rankngu r obektów ( =,, r) ze względu na pozom zjawska złożonego opsywanego przez w zmennych o charakterze loścowym oraz przez s zmennych o charakterze jakoścowym, należy zebrać nformacje, które utworzą macerz zmennych dagnostycznych: x x2 x w x( w+ ) x( w+ s) x2 x22 x2w x2( w ) x 2( w s) x + + X = j =,( j =, w+ s) () xr xr2 xrw xr( w+ ) xr( w+ s) Zatem macerz wszystkch cech dagnostycznych składa sę z dwóch podmacerzy X X 2. Podmacerz X zawera bowem cechy loścowe zaś podmacerz X 2 cechy jakoścowe: X x x2 x w x x x, xr xr2 xrw w = X 2 x( w+ ) x( w+ 2) x( w+ s) x2( w ) x2( w 2) x + + 2( w+ s) = xr( w+ ) xr( w+ 2) xr( w+ s) (2)

15 Propozycje budowy rankngu obektów 7 W perwszej kolejnośc skupmy uwagę na probleme wyboru metody normującej cechy loścowe. Istneje wele rozwązań w tym zakrese pojawających sę w lteraturze przedmotu: Borys[978],Hellwg[968], Kukuła[2000], Nowak[985], Strahl[990]. Jakm kryteram zatem należy sę kerować przy wyborze odpowednej metody normującej cechy loścowe, tak aby współgrały z metodą normowana cech jakoścowych proponowaną dalej? Krytera te można określć następująco:. Równość długośc przedzałów zmennośc wartośc wszystkch cech po normowanu (stałość rozstępu zmennych Z,, Zw ). 2. Równość dolnej górnej grancy przedzałów zmennośc cech Z j, chodz o przedzał [0,] dla wszystkch cech unormowanych. 3. Możlwość normowana cech przyjmujących wartośc dodatne ujemne. 4. Możlwość normowana cech przyberających wartość równą Dodatne lub równe 0 wartośc cech po unormowanu. Rozważmy zatem własnośc czterech stosunkowo często stosowanych metod normowana: I. Metoda standaryzacyjna II. Metoda E. Nowaka III. Metoda D. Strahl IV. Metoda untaryzacj zerowanej. Oto formuły normujące stosowane dla zmennych będących stymulantam (zbór stymulant oznaczono symbolem S ) oraz destymulantam (zbór destymulant oznaczono symbolem D ) w każdej z wytypowanych metod: xj X j I. zj, S( X ) z X = j j X x j j j = j S( X j ), X S (3) D (4) xj II. zj, X = X j j S (5)

16 8 Karol Kukuła z j X j =, X j D (6) x j xj III. zj, max x z = X j j mn x j j =, X j xj S (7) D (8) IV. z z j j xj mn xj = max x mn x j max xj xj = max x mn x j j j,, X X j j S (9) D (0) Wgląd w przedstawone formuły (3 0) pozwala wysnuć następujące spostrzeżena: a) Wszystke postulaty ( 5) spełna tylko metoda IV tj. metoda untaryzacj zerowanej. b) Pozostałe metody dają w rezultace unormowana różnej długośc przedzałów zmennośc cech unormowanych. W szczególnośc metoda III [D Strahl] może w pewnych sytuacjach dawać stosunkowo krótke przedzały zmennośc zmennych Z. Przypadek tak może wystąpć, gdy mn j x jest blske max x. Przykładowo, jeśl unormujemy cechę X S : j X = 95, to otrzymamy z [ 0,8;] a wec bardzo krótk przedzał zmennośc, w którym najgorszy obekt czwarty z najnższą wartoścą cechy X

17 Propozycje budowy rankngu obektów 9 legtymuje sę unormowanem na pozome 0,8. W nnym zaś przypadku, gdy weźmemy pod uwagę cechę X 2 S zastosujemy metodę III, otrzymamy: X 2 = 40, z2 [ 0,;] 0 80 Obekt najgorszy, równeż czwarty, przyjme po unormowanu wartość: z 42 = 0,. Ta skrajna ale możlwa sytuacja ujawna, że występuje tu w wynku zastosowana metody III wyraźne przeszacowane unormowań cechy X w stosunku do cechy X. 2 c) Metody I, II III ne pozwalają na normowane cech przyjmujących wartośc dodatne ujemne lub tylko ujemne. d) Równeż ne wszystke z wymenonych metod umożlwają normowane cech przyjmujących wartość zero ( cechy o tej wartośc spotyka sę w praktyce badań). Metodą III ne można unormować cechy o wartośc zero, jeśl cecha ta jest destymulantą [ zob. formułę (8)]. Podobne metodą II (E. Nowaka) ne można unormować destymulant przyjmujących wartość zero. Spostrzeżena te skłanają do wnosku, że najbardzej właścwą metodą normującą cechy loścowe w korespondencj z metodą normującą cechy jakoścowe jest metoda untaryzacj zerowanej (MUZ). W (MUZ) stneje prosta formuła transformująca cechy loścowe będące nomnantam oznaczonym symbolem ( N ) : xj mn xj dla xj < coj coj mn xj zj = dla xj = coj, max xj xj dla xj > coj max xj coj X j N () gdze coj to wartość nomnalna j tej cechy dagnostycznej należącej do zboru nomnant ( N ).

18 0 Karol Kukuła Dla cech będących nomnantam zachodzą zwązk: zj = xj = coj (2) oraz z = 0 x = mn x lub x = max x. (3) j j j j j PROPOZYCJA METODY NORMOWANIA CECH JAKOŚCIOWYCH Cechy jakoścowe mają z reguły charakter opsowy. Chcąc podejść do tego problemu od strony loścowej, analtycy wymyśll preferencyjny sposób zadawana pytań w prowadzonych wywadach anketach. Przykładowo, w pytanu jak smakuje pwo Żywec dają klka opcj do wyboru: a) bardzo, b) dobrze, c) dość dobrze, d) tak sobe, e) wcale ne smakuje. Istneje wówczas możlwość kwantyfkacj takej wypowedz za pomocą różnych, często stosowanych skal lczbowych, w których lczbę najwększą przypsuje sę odpowedz a) zaś lczbę najmnejszą odpowedz e). Inny sposób kwantyfkacj zmennej o charakterze jakoścowym polega na eksperckm ustalenu gradacj, czyl kolejnośc klasyfkowanych obektów ze względu na tę zmenną. Rozważmy przykładowo próbę oceny klku mejscowośc bądź regonów o charakterze turystycznym ze względu na walory krajobrazowe. Poza oceną ekspercką ne ma właścwe nnych możlwośc ustalana kolejnośc rozpatrywanych obektów od najatrakcyjnejszych do przecętnych oraz najmnej atrakcyjnych wdokowo. Jeśl w badanu zjawska złożonego (zob. Kukuła 2000) obok szeregu cech loścowych pojaw sę jedna bądź węcej zmennych o charakterze jakoścowym dających sę zalczyć do wyżej opsanych przypadków, zadanem naszym jest tak przekształcć dane ze skal czy też kolejnoścowych układów porządkowych by unormowane cechy korespondowały ze sobą. To właśne ten powód zdecydował o wyborze metody untaryzacj zerowanej do stosowana z jednoczesnym normowanem cech jakoścowych. Rezultat transformacj cech w obu przypadkach zawera sę w przedzale [0,]. Podejmemy próbę rozwązana problemu normowana cech jakoścowych odnosząc sę, wperw do skal Lkerta. W skal tej odpowedz respondenta są stopnowane przy użycu lczb naturalnych od najmnejszej oceny punktowanej lczbą jeden do najwększej oceny wyrażonej lczbą k N (N - zbór lczb naturalnych) Zwykle w skal Lkerta przyjmuje sę neparzystą lczbę dla parametru k a węc 3, 5, 7, lub 9. Konkretną odpowedzą lczbową eksperta (respondenta) w kwest danego obektu jest lczba l ( l =,, k). Transformacja tej wypowedz do przedzału [0,] jest następująca:

19 Propozycje budowy rankngu obektów lj ( lj =,, kj) zj =, k j ( j = m+, ), (4) gdze: lj ocena tego obektu w zakrese j tej zmennej jakoścowej, k j lczba stanów (ocen) j tej zmennej jakoścowej. Formuła transformacyjna (4) odnos sę do przypadku, gdy w kwest oceny obektu wypowada sę jeden ekspert. Rozważmy sytuację, gdy na temat oceny danego obektu wypowada sę n ekspertów ( n > ). Należy wówczas wząć pod uwagę, że ch oceny mogą sę różnć. W takm przypadku przecętną ocenę tego obektu w zakrese j tej zmennej otrzymujemy stosując średną ważoną: k l( j> w) n( j> w) l l= (5) ( j> w) = l n Symbolem n ( j > w) l oznaczono lczbę ocen o wartośc l dotyczących tego obektu w zakrese zmennej jakoścowej j > w. Każdy ekspert daje ocenę w stosunku do danego obektu, przeto zachodz równane: k n( j> w) l= n (6) l= Uzyskane za pomocą wzoru (5) przecętne oceny poszczególnych obektów poddajemy transformacj wg wzoru: l( j> w) mn l( j> w) z( j> w) = (7) max l( j> w) mn l( j> w) W tym przypadku unormowane wartośc zmennej jakoścowej zawerają sę w przedzale [0,]. Neco naczej a zarazem proścej przedstawa sę sytuacja, gdy eksperc ustalają jednorazowo kolejność obektu ze względu na określoną cechę jakoścową. Przykładem może być próba ustalena kolejnośc gmn danego subregonu ze względu na walory krajobrazowe. Zakładamy, ż nadal berzemy pod uwagę r obektów ( =,, r). Zatem każdy obekt zajmuje jedną z r możlwych pozycj. Obektow zajmującemu perwszą pozycję przypsać należy rangę r obektow z drugej pozycj rangę r td. Obekt zajmujący r tę pozycję otrzyma rangę wyrażoną lczbą. Warto zauważyć, ż zmenna rangowa l przyjmuje wartość z przedzału:

20 2 Karol Kukuła l [, r], r N. (8) Rozstęp tak zdefnowanej zmennej stanow lczbę obektów pomnejszoną o jeden: R() l = r (9) Otrzymane w ten sposób rang podajemy przekształcenu lnowemu zgodne z deą MUZ, co w rezultace prowadz do ostatecznej formuły normującej: lj zj> w =, (20) r przy czym l j> w to wartość j tej cechy dla tego obektu. Wartośc z j > w należą do obustronne domknętego przedzału [0,]. W każdym z rozpatrywanych przypadków otrzymano take same przedzały zmennośc zmennych jakoścowych, co umożlwa przejśce do agregacj wszystkch cech unormowanych. Celem budowy rankngu obektów ze względu na dane zjawsko złożone opsywane cecham zarówno loścowym jak jakoścowym, należy uzyskać ocenę każdego obektu za pomocą zmennej agregatowej (syntetycznej). Zmenną syntetyczną Q będącą jednocześne oceną tego obektu jest następująca suma: Q w+ s = z (2) j= Zmenna syntetyczna Q stanow ostatne ognwo potrzebne do budowy rankngu obektów ze względu na rozpatrywane zjawsko. PRZYKŁAD Pewen turysta z profesj statystyk zastanawa sę, które z sedmu sołectw wybrać na pobyt w czase letnego urlopu w pewnej atrakcyjnej podgórskej gmne. Skrzywene zawodowe nakazuje mu przed podjęcem decyzj o lokalzacj swoch wczasów zebrać odpowedne dane o gospodarstwach agroturystycznych w sołectwach tej gmny. Zgromadzł następujące nformacje:. lczba gospodarstw agroturystycznych w sołectwe X, 2. Lczba gospodarstw agroturystycznych o podwyższonym standardze meszkań X, 2 3. Lczba gospodarstw agroturystycznych oferujących hpoterape X, 3 4. Lczba gospodarstw agroturystycznych oferujących poza wyżywenem nne atrakcje, jak np. ognska, przejażdżk bryczką tp. X 4, j

21 Propozycje budowy rankngu obektów 3 5. Walory sołectwa zwązane z pamątkam hstorycznym, zabytkam oraz dzełam sztuk ludowej X 5 (ocena eksperta), 6. Przecętna ocena jednego osobo dna w zł X. 6 Informacje te, dotyczące wszystkch sedmu sołectw ( s,, s7) zapsano w postac zmennych ( X,, X 6) ujmując je w tab.. (,, ) (,, ) Tabela. Wartośc cechy X X 6 dotyczące sołectw s s7. Obekt X (sołectwo) S X 2 S X 3 S X 4 S X 5 S X 6 s s s s s s s Źródło: dane fkcyjne D W kwest kryterum (5), które po kwantyfkacj przyjme postać zmennej X 5, turysta pozyskał w mejscowej gmne nformacje pozwalające ustalć rankng sołectw od najatrakcyjnejszych do najsłabszych w omawanym zakrese: ) s 5 2) s 7 3) s 6 4) s 5) s 4 6) s 3 7) s 2 Ustalony rankng stanow punkt wyjśca do kwantyfkacj tej cechy jakoścowej. Perwszemu sołectwu w rankngu przyporządkowuje sę lczbę 7, drugemu w kolejnośc lczbę 6 zaś ostatnemu sołectwu s 2 przypsuje sę lczbę. Lczby te stanową wartośc jakoścowej cechy X 5 S zawarte w tab..

22 4 Karol Kukuła Ne chcąc podejmować decyzj o letnm pobyce sposobem na oko ne odwołując sę do ntucj, turysta statystyk postanowł skorzystać z metody pozwalającej uzyskać oceny sołectw ze względu na wszystke krytera razem wzęte. Wytypowane przez sebe krytera potraktował równorzędne a następne unormował wszystke cechy. Cechy: X, X 2, X 3, X 4 będące stymulantam transformował stosując MUZ za pomocą wzoru (9) zaś X 6 należącą do destymulant za pomocą wzoru (0). Zmenną X 5 S, będącą cechą jakoścową, unormował z wykorzystanem wzoru (20). Wynk normowana przedstawa tab. 2. Tabela 2. Wartośc unormowanych cech dagnostycznych Obekt Z (sołectwo) Z 2 Z 3 Z 4 Z 5 Z 6 s 0,375 0,400 0,250 0,000 0,500 0,25 s 0,25 0,500 0,000 0,50 0,000 0,000 2 s 0,000 0,000 0,500 0,250 0,67 0,750 3 s,000 0,00,000,000 0,333 0,375 4 s 0,500 0,500 0,500 0,00,000,000 5 s 0,375 0,600 0,500 0,350 0,667 0,500 6 s 0,375,000 0,750 0,900,000,000 7 Źródło: oblczena własne na postawe nformacj zawartych w tab. Transformowane zmenne w tab.2 umożlwają oblczena zmennej agregatowej Q wg wzoru (2), co stanow podstawę budowy rankngu sołectw ze względu na atrakcyjność gospodarstw agroturystycznych tab.3.

23 Propozycje budowy rankngu obektów 5 Tabela 3. Rankng sołectw Zajmowana lokata w rankngu Obekty (sołectwa) Wartość zmennej syntetycznej Q s 7 5,025 2 s 4 3,808 3 s 5 3,600 4 s 6 2,492 5 s 3,667 6 s,650 7 s 2 0,775 Źródło: opracowane własne na podstawe wynków zawartych w tab.2. Jak wdać z tab. 3, turysta statystyk na mejsce swego letnego pobytu wybrał sołectwo s 7, które bardzo wyraźne wyprzedza w rankngu pozostałe. Sołectwo to na 6 przyjętych kryterów aż w 3 osąga najlepszy rezultat zaś w 3 pozostałych równeż legtymuje sę wysokm notowanam. KONKLUZJE Zamykając rozważana na temat łącznego udzału zmennych dagnostycznych o charakterze loścowym ze zmennym jakoścowym w procese budowy rankngu obektów, nasuwa sę klka spostrzeżeń refleksj natury ogólnej:. W badanach emprycznych mogą sę pojawać zmenne dagnostyczne różnego charakteru a węc obok cech loścowych mogą wystąpć równeż cechy jakoścowe. Stąd należy kontynuować wysłk nad wypracowanem metod pozwalających uwzględnć oba typy zmennych w ocene zjawsk złożonych. 2. Problematykę zwązaną z metodologą normowana współwystępujących cech loścowych oraz jakoścowych należy do trudnych stosunkowo słabo naśwetlonych zagadneń w lteraturze przedmotu, co skłana do pośwęcena m wększej uwag, czego dowodem jest nnejsza praca. 3. W przedstawonych propozycjach normowana cech jakoścowych można zauważyć wele perwastków subektywnych, nemnej starano sę uwzglednć realstyczne założena badawcze, co może zachęcać do ch stosowana. 4. Wydaje sę, że przedstawona propozycja ne wyczerpuje wszystkch możlwych podejść do problematyk kwantyfkacj a następne normowana cech jakoścowych, nemnej stanow próbę ch łącznego (wraz z cecham

24 6 Karol Kukuła loścowym) wykorzystana w ocene zjawsk złożonych a w dalszej kolejnośc w budowe rankngu obektów. 5. Wybór drog postępowana w przypadku współwystępowana cech loścowych zależy każdo razowo od preferencj prowadzącego badana oraz jego wedzy z zakresu welowymarowej analzy statystycznej. Wedzę tę należy rozwjać szerzyć przez ukazywane zastosowań w publkacjach z tego zakresu. BIBLIOGRAFIA Borys T. (978) Metody normowana cech w statystycznych badanach porównawczych, Przegląd Statystyczny. Grabńsk T. (984) Welowymarowa analza porównawcza w badanach dynamk zjawsk ekonomcznych, Zeszyty Naukowe Akadem Ekonomcznej w Krakowe, Monografe nr 6, Kraków. Hellwg Z. (968) Zastosowane metody taksonomcznej do typologcznego podzału krajów ze względu na pozom ch rozwoju oraz zasoby strukturę wykwalfkowanych kadr, Przegląd statystyczny, z.4. Kukuła K. (2000) Metoda untaryzacj zerowanej, Wydawnctwo Naukowe PWN, Warszawa. Nowak E. (985) Metodyka statystycznych analz porównawczych efektywnośc obektów rolnczych, Prace Naukowe Akadem Ekonomcznej we Wrocławu, nr 292, Sera: Monografe opracowana, nr 29, Wrocław. Strahl D. (990) Metody programowana rozwoju społeczno gospodarczego, PWE, Warszawa. PROPOSAL OF RANKING CONSTRUCTION ON THE BASIS OF QUANTITATIVE AND QUALITATIVE VARIABLES Abstract: The paper presents an attempt to use both quanttatve and qualtatve verables to analyze complex phenomena. Frst part of the paper focuses some normalsaton methods that often occur n emprcal works regardng ther characterstcs. Specal attenton concerns zero untarzaton method due ts adequacy n normalsng both quanttatve and qualtatve verables. The latter part of the paper presents the metod of quantfcaton and normalzaton chosen qualtatve varables. The whole procedure of normalzaton, constructon of synthetc varable and rankng s llustrated by emprcal example. Key words: quanttatve varables, qualtatve varables, object, normalsaton methods, zero untarzaton method, complex phenomenon

25 METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XIII/, 202, str WYKORZYSTANIE METOD WIELOWYMIAROWYCH W OKREŚLENIU POZYCJI KONKURENCYJNEJ GMINY NA PRZYKŁADZIE WOJEWÓDZTWA LUBELSKIEGO Meczysław Adamowcz Państwowa Szkoła Wyższa m. Papeża Jana Pawła II w Bałej Podlaskej e-mal: rektor@pswbp.pl Paweł Janulewcz Katedra Ekonom Zarządzana, Unwersytet Przyrodnczy w Lublne e-mal: pawel.janulewcz@up.lubln.pl Streszczene: Artykuł prezentuje wynk badań konkurencyjnośc gmn województwa lubelskego przy wykorzystanu metod welowymarowych. W pracy wykorzystano dwe metody: wzorca rozwoju Hellwga oraz analzę skupeń Warda. Badana wykazały przydatność tych metod w strategcznym zarządzanu gmną. Metoda Wzorcowa Hellwga pozwala na dokonane klasyfkacj gmn pod względem konkurencyjnośc, a metoda analzy skupeń Warda okazała sę pomocna do klasyfkacj gmn według podobeństwa względem przyjętych zmennych. WSTĘP Słowa klucze: konkurencyjność gmny, metoda Hellwga, metoda Warda Współczesne wyzwana rozwoju cywlzacyjnego wynkające z postępującej globalzacj gospodark narastającej presj konkurencyjnej stawają przed samorządam terytoralnym koneczność włączana metod statystycznych w procesy zarządzana rozwojem tych jednostek. Samo pojęce konkurencyjnośc jednostk pommo powszechnego użyca (np. prace A. Klaska, D. Guzal Dec, T. Markowskego, T. Marszała, J. Szlachty nnych), bywa różne rozumana. Najczęścej jest ona utożsamana z nnym pojęcam takm jak np.: atrakcyjność nwestycyjna (zwłaszcza wobec kaptału zagrancznego), zdolność do rozszerzonej reprodukcj kaptału ludzkego, zdolność do generowana nnowacj, zdolność do współpracy z zagrancą efektywnoścą eksportu, mejscem w rankngu

26 8 Meczysław Adamowcz, Paweł Janulewcz regonów tp.. Według A. Klaska [Klask 999] konkurencyjność masta oznacza jego przewagę, bądź dystans w stosunku do nnych mast tworzących wspólne grupę z punktu wdzena pewnych kryterów 2. Do określena tej przewag z pewnoścą bardzo użytecznym mogą okazać sę metody welowymarowe, szczególne metoda wzorcowa Hellwga 3, której główną zaletą jest fakt, że syntetyzuje ona czynnk o różnym charakterze (pochodzące z różnych źródeł) przyporządkowuje m jedną syntetyczną marę agregatową 4 pozwalającą na syntetyczne porównane badanych jednostek dając podstawę do ch podzału na jednorodne grupy. W pracy wykorzystano równeż analzę skupeń, która pozwala na łączene w wązk (skupena, klastry) gmny, które są do sebe najbardzej podobne są jednocześne maksymalne różne od nnych pod względem wyróżnonych cech określających pozom konkurencyjnośc. Nnejsze opracowane przedstawa wynk badań gmn województwa lubelskego uzyskane przy pomocy dwóch różnych metod welowymarowych: modelu wzorca rozwoju Hellwga oraz analzy skupeń Warda. METODOLOGIA BADAŃ Badanam objęto gmny wejske, mejsko-wejske mejske z woje wództwa lubelskego z wyłączenem gmny Lubln, która z racj swojego charakteru welkośc byłaby trudno porównywalna z pozostałym. Doberając zmenne dagnostyczne określające pozom konkurencyjnośc (rozwoju społecznogospodarczego) poszczególnych gmn, starano sę spełnć trzy podstawowe krytera: merytoryczne, formalne statystyczne 5. Mkołajewcz Z., Czynnk konkurencyjnośc rozwoju regonów, [w:] Konkurencyjność mast regonów Polsk połudnowo-zachodnej, Prace Naukowe AE we Wrocławu 999, nr 82, s Klask A., Analza konkurencyjnośc stratege konkurencyjne mast, [w:] Konkurencyjność mast regonów Polsk połudnowo-zachodnej, Wyd. AE m. Oskara Langego we Wrocławu, Prace naukowe 82, Wrocław 999, s Należy ona do wzorcowych formuł agregacj zmennych na podstawe skonstruowanego obektu modelowego tzw. wzorca rozwoju, który jest stworzony na podstawe optymalnych wartośc zmennych (najkorzystnejszych z całej zborowośc). 4 Mka J., Analza statystyczna pozycj Polsk na tle krajów Un Europejskej, Spółka z o.o. Śląsk, Katowce 995, s.9. 5 Strahl D., Metody oceny rozwoju regonalnego, Wyd. AE we Wrocławu, Wrocław 2006, s. 33.

27 Wykorzystane metod welowymarowych w określenu 9 Merytoryczny dobór czynnków - operał sę na studach lteratury 6 na tej podstawe wybrano 97 zmennych dagnostycznych. Kolejnym krokem było sprawdzene, czy spełnają one krytera formalne tzn. czy są merzalne, kompletne zapewnające porównywalność. Okazało sę, że tylko 66 zmennych spełnła te krytera. Ostatnm krokem było sprawdzene, czy przyjęte zmenne spełnają krytera statystyczne. Ze względu na zbyt nską wartośc współczynnka zmennośc z analzy taksonomcznej została wyłączona m.n. taka cecha jak: przecętna powerzchna użytkowa meszkana w m 2, w przelczenu na meszkańca (V=9,3%). Celem kolejnej redukcj była elmnacja zmennych nadmerne skorelowanych. Ostateczne w pracy przyjęto 4 zmennych dagnostycznych, które zostały przyporządkowane do ośmu następujących grup:. cechy demografczne ludnośc (5 cech), 2. dostępność usług zdrowotnych (2 cechy), 3. jakość dostępność usług ośwatowych (5 cech), 4. dostępność usług kulturalnych (4 cechy), 5. warunk pracy bezpeczeństwa społecznego (2 cechy), 6. warunk meszkanowe (4 cechy), 7. potencjał gospodarczy (8 cech), 8. rozwój przedsęborczośc ( cech). Sześć zmennych, które wzęły udzał w badanu uznano za destymulanty 7, natomast pozostałe (35) zostały przyjęte, jako stymulanty 8. Do realzacj celu badawczego przyjęto procedurę welowymarowej analzy porównawczej umożlwającej porównywane obektów welocechowych. Do pomaru pozomu konkurencyjnośc badanych gmn wykorzystano mernk taksonomczne, które zastępują ops badana przy użycu zboru cech dagnostycznych jedną welkoścą agregatową. W badanach typologcznych zastosowano metodę wzorca Hellwga oraz herarchczną metodę grupowana Warda. 6 Przykładam prac, w których podejmowano badana konkurencyjnośc różnych jednostek terytoralnych są: Broszkewcz R. (red.), Konkurencyjność mast regonów Polsk połudnowo-zachodnej, Wyd. AE we Wrocławu, Prace naukowe nr 82, Wrocław 999; Dołęgowsk T., Konkurencyjność nstytucjonalna systemowa w warunkach gospodark globalnej, Monografe opracowana 505, Szkoła Główna Handlowa, Warszawa 2002; Strahl D., Gospodarka lokalna w teor praktyce, Prace Naukowe AE we Wrocławu, 2003, nr 979, Strahl D., Metody oceny rozwoju regonalnego, op.ct.,; Borkowsk B., Metody loścowe w badanach ekonomcznych, Wyd. SGGW, Warszawa 2007, nne. 7 Destymulanty są zmennym, dla których nske wartośc są pożądane z punktu wdzena danego zjawska, a wysoke nepożądane. 8 Stymulanty są zmennym, dla których nske wartośc są nepożądane z punktu wdzena danego zjawska, a wysoke są pożądane.

28 20 Meczysław Adamowcz, Paweł Janulewcz WYNIKI Określene pozomu konkurencyjnośc gmn województwa lubelskego przy użycu metody wzorcowej Hellwga W perwszym etape badań dokonano klasyfkacj (22) gmn województwa lubelskego z punktu wdzena pozomu ch konkurencyjnośc przy użycu metody wzorcowej Hellwga. Przed przystąpenem do konstrukcj zmennych syntetycznych cechy będące destymulantam przekształcono w stymulanty za pomocą następującej transformacj 9 : xj = x () j następne dokonano normalzacj cech poprzez standaryzację 0, zgodne ze wzorem: xj xj zj = s (2) j gdze: - numer obektu, j - numer cechy. Dla tak przekształconych cech zastosowano metodę wzorcową zakładającą stnene obektu modelowego wzorcowego w stosunku do którego wyznacza sę odległośc taksonomczne badanych obektów. W pracy wyznaczono odległość każdego obektu od ustalonego wzorca za pomocą metryk taksówkowej, d = gdze: m zj z0 j (3) j = Otrzymane wartośc d posłużyły do oblczena syntetycznego mernka rozwoju d Hellwga: z = (4) d 0 gdze: 9 Krawec M., Landmesser J., Analza taksonomczna aktywnośc ekonomcznej ludnośc na obszarach wejskch w Polsce, Rocznk Naukowe SERA, Tom IX, Zeszyt 2, Warszawa, s. 72 [za:] Ostasewcz W., Statystyczne metody analzy danych, Wyd. AE we Wrocławu, Wrocław Standaryzacja wartośc cech dagnostycznych powoduje, że w budowe mernka uważa sę je za jednakowo ważne [ za:] Bąk I., Atrakcyjność regonów turystycznych w Polsce ze szczególnym uwzględnenem warunków ekologcznych [w:] Statystyka w praktyce społeczno - gospodarczej, (Red. nauk.) Ostasewcz W., Wyd. AE we Wrocławu, Wrocław 2007, s. 49.

29 Wykorzystane metod welowymarowych w określenu 2 d = d Sd (5) n d = n d = (6) sd = n 2 ( d d) n = (7) Wartośc wskaźnka z przyjmują wartośc z przedzału <0;>, przy czym m blższe są jednośc, tym blższe są wzorcow, a węc posadają wysok pozom badanego obektu. Następne wartośc z zostały uporządkowane lnowo według wartośc nerosnących na tej podstawe wyodrębnono klasy typologczne jednostek wydzelając cztery rozłączne podzbory obektów podobnych w następujący sposób: z I grupa: z + s z (8) z z II grupa: < z + sz (9) z s z z III grupa: z < (0) z IV grupa: < z s z () gdze: z - średna arytmetyczna, s z - odchylene standardowe taksonomcznej mary rozwoju. Na podstawe wartośc współczynnka z gmny zostały przyporządkowane do jednej z czterech grup pod względem pozomu konkurencyjnośc. I grupa skupała w sobe gmny najbardzej konkurencyjne natomast IV grupa najmnej konkurencyjne. Do oceny pozomu konkurencyjnośc gmn województwa lubelskego wykorzystano wszystke (4) zmenne, a wynk przedstawono w tabel. Jak wynka z przeprowadzonych badań w grupe gmn najbardzej konkurencyjnych znalazło sę 30 jednostek: 6 mejskch, 5 mejsko wejskch oraz 9 wejskch. W drugej grupe pod względem konkurencyjnośc znalazło sę 58 gmn, w tym 2 mejske, 3 mejsko - wejske oraz 43 wejske. Trzeca grupa okazała sę najlcznejszą skupając 00 gmn, wśród których tylko (Rejowec Fabryczny) była mejska oraz 3 mejsko-wejske (Annopol, Frampol, Szczebrzeszyn). Ostatna grupa w skład, której wchodzą gmny najsłabej konkurencyjne składa sę z 24 jednostek terytoralnych mających charakter wejsk.

30 22 Meczysław Adamowcz, Paweł Janulewcz Tab.. Klasyfkacja gmn ze względu na wartośc cząstkowej mary syntetycznej opsującej konkurencyjność gmn województwa lubelskego na podstawe rozwoju społeczno gospodarczego Numer grupy I 30 II 58 III 00 Lczba gmn w grupe Pozom mary powyżej 0,2286 od 0,5952 do 0,20825 od 0,076 do 0,582 Gmny Tomaszów Lubelsk *, Zamość *, Błgoraj *, Lubartów *, Łuków *, Jastków, Bała Podlaska *, Nałęczów **, Puławy *, Janów Lubelsk **, Chełm *, Śwdnk *, Konopnca, Puchaczów, Głusk, Kraśnk *, Kazmerz Dolny **, Dębln *, Wólka, Puławy, Radzyń Podlask *, Włodawa *, Łęczna **, Nemce, Krasnystaw *, Hrubeszów *, Łukowa, Stoczek Łukowsk *, Garbów, Ryk ** Krasnobród **, Tarnogród **, Mędzyrzec Podlask *, Zwerzynec **, Parczew **, Strzyżewce, Terespol *, Mełgew, Jabłonna, Nedrzwca Duża, Radzyń Podlask, Kock **, Końskowola, Sławatycze, Trzydnk Duży, Lubartów, Bałopole, Ksężpol, Opole Lubelske **, Wąwolnca, Pask **, Józefów **, Ponatowa **, Zalese, Zakrzówek, Trzebeszów, Urzędów, Chodel, Krasnystaw, Zamość, Krzczonów, Krzywda, Ostrów Lubelsk **, Ułęż, Stno, Obsza, Kąkolewnca Wschodna, Bychawa **, Janowec, Spczyn, Janów Podlask, Susec, Tyszowce **, Bała Podlaska, Aleksandrów, Kraśnk, Ulan-Majorat, Abramów, Adamów (pow. łukowsk), Łuków, Dzerzkowce, Skerbeszów, Bełżyce **, Potok Górny, Lubycza Królewska, Stann, Żyrzyn, Wsznce Podedwórze, Jabłoń, Kurów, Sennca Różana, Dębowa Kłoda, Kameń, Bszcza, Błgoraj, Bork, Wlkołaz, Hańsk, Włodawa, Ludwn, Łaszczów, Mędzyrzec Podlask, Rossosz, Fajsławce, Wojcechów, Modlborzyce, Stoczek Łukowsk, Hrubeszów, Żółkewka, Łabune, Pszczac, Konstantynów, Ulhówek, Uścmów, Bełżec, Tereszpol, Stary Brus, Łomazy, Horodło, Baranów, Chełm, Komarówka Podlaska, Kamonka, Potok Welk, Stężyca, Sernk, Markuszów, Kłoczew, Godzszów, Mlejów, Adamów (pow. zamojsk), Sosnówka, Grabowec, Terespol, Telatyn, Krynce, Wojceszków, Józefów nad Wsłą, Frampol **, Drelów, Borzechów, Mchów, Nedźwada, Czemernk, Radecznca, Kraśnczyn, Mrcze, Batorz, Rejowec Fabryczny *, Cyców, Trawnk, Sawn, Izbca, Goraj, Dołhobyczów, Wysoke, Wlków, Jarczów, Dorohusk, Gorzków, Werbkowce, Werzbca, Annopol **, Nowodwór, Sułów, Szczebrzeszyn **, Łazska, Karczmska, Urszuln, Tarnawatka, Mlanów, Sedlszcze, Żmudź, Szastarka, Stary Zamość, Hanna, Leśnowce, Dubenka, Jezorzany, Trzeszczany, Leśna Podlaska, Turobn, Wohyń, Semeń, Wojsławce, Uchane, Mączyn

31 Wykorzystane metod welowymarowych w określenu 23 Numer grupy IV 24 Lczba gmn w grupe Pozom mary ponżej 0,055 Gmny Wola Uhruska, Wola Mysłowska, Frlej, Dzwola, Tuczna, Łopennk Górny, Rachane, Tomaszów Lubelsk, Roktno, Komarów-Osada, Ostrówek, Rybczewce, Zakrzew, Rudnk, Chrzanów, Kodeń, Sosnowca, Nelsz, Rejowec, Ruda-Huta, Gośceradów, Serokomla, Rejowec Fabryczny, Wyryk Źródło: opracowane własne na podstawe: Banku Danych Regonalnych za lata ; Wojewódzkego Programu Rozwoju Infrastruktury Transportowej Komunkacj dla Województwa Lubelskego oraz Raportu na temat stanu środowska w 2007 r. ( * - gmna mejska, ** - gmna mejsko-wejska) Wykorzystane metody Warda w badanu konkurencyjnośc gmn województwa lubelskego Istneje klka rodzajów analzy skupeń: tzw. aglomeracja, grupowane metodą k - średnch oraz grupowane obektów cech. W pracy wykorzystano perwszą z nch. Analzę skupeń należy rozpocząć od standaryzacj wybranych zmennych odpowedzalnych za pozom konkurencyjnośc gmn. Standaryzację przeprowadzamy przy pomocy następującego wzoru : xj xj zj = (2) s j gdze: - numer obektu, j - numer cechy, m gdze: x j = xj (3) = m to średna arytmetyczna, a 2 m m S = { [ x ( x ) ]} j j (4) = j = m m to odchylene standardowe w zmennej próbe. Standaryzacja ma na celu dokonane obektywnej oceny podobeństwa, bez względu na skale, w których wyrażone są poszczególne zmenne. W wynku przeprowadzonej standaryzacj otrzymana jest macerz podobeństwa badanych obektów tworzących zborowość 2. W pracy zastosowano jedną z herarchcznych metod grupowana, tj. metodę Warda. Jest ona uznawana za skuteczną, ale mającą Wysock F., Lra J., Statystyka opsowa, Wyd. AR w Poznanu, Poznań 2005, s Grzelak A., Wykorzystane analzy skupeń w badanach struktur agrobznesu na przykładze powązań gospodarstw rolnych z rynkem. [w:] Rolnctwo. Zeszyty Naukowe Akadem Rolnczej we Wrocławu nr 540, (Red. nauk.) Spak Z., s

32 24 Meczysław Adamowcz, Paweł Janulewcz tendencję do tworzena skupeń o małej welkośc 3. W metodze tej odległość mędzy skupenam stanow różnca pomędzy sumam kwadratów odchyleń poszczególnych jednostek od środka cężkośc grup, do których te punkty należą 4. Mnmum zróżncowana wartośc cech, stanowących krytera segmentacj stanow kryterum grupowana jednostek w kolejne skupena, względem wartośc średnch skupeń tworzonych w kolejnych krokach. Przy formowanu skupeń zastosowano odległość eukldesową, określoną wzorem 5 : d p ( x, y) = ( x y = Grupowane gmn przeprowadzono przy pomocy programu Statstca 6.0. Dokonano klasyfkacj przestrzennej obejmującej podzał zboru obektów (22 gmn) na klasy, pod względem zaproponowanego zestawu (4) zmennych dagnostycznych. Na podstawe przeprowadzonych badań otrzymano cztery grupy gmn, które pod względem przyjętych cech są do sebe najbardzej podobne, a jednocześne maksymalne różne od nnych. Wynk grupowana gmn województwa lubelskego metodą Warda ze względu na pozom konkurencyjnośc zaprezentowano w tabel 2. Grupa A skupła 27 gmn z województwa lubelskego: 8 mejskch, 8 mejsko - wejske oraz wejską (Puchaczów). W grupe B wszystke (34) gmny mają charakter wejsk. Grupa C składa sę z 52 gmn, wśród których tylko jedna jest o charakterze mejskm (Rejowec Fabryczny), 2 mejsko-wejske (Annopol, Józefów), a pozostałe (49) mają charakter wejsk. Grupa D, okazała sę najlcznejszą skupając 99 gmny, wśród których mało charakter mejsko -wejsk, a pozostałe (88) wejsk. ) 2 (5) 3 Grzelak A., Wykorzystane analzy skupeń, op. ct., s [za:] Orłowsk K., Zastosowane paketu Statstca w analze wynków badań społecznych. Poznań Sampolska Rzechuła A., Przestrzenne zróżncowane pozomu życa w Polsce na podstawe wynków welowymarowej analzy porównawczej [w:] Statystyka w praktyce społeczno gospodarczej, (Red. nauk.) Ostasewcz W., Prace Naukowe AE we Wrocławu Nr 63, Wyd. AE we Wrocławu, Wrocław 2007, s. 27 [za:] Ostasewcz W., Statystyczne metody analzy danych, AE, Wrocław 998, s Stansz A., Przystępny kurs statystyk z zastosowanem STATISTICA PL na przykładach z medycyny, Tom III, Analzy welowymarowe, StatSoft, Kraków 2007, s. 500.

33 Wykorzystane metod welowymarowych w określenu 25 Tab. 2. Podzał gmn województwa lubelskego na podstawe metody Warda Nazwa grupy Lczba gmn w grupe Gmny A 27 Kazmerz Dolny**, Zwerzynec**, Krasnobród**, Janów Lubelsk**, Puchaczów, Nałęczów**, Stoczek Łukowsk*, Włodawa*, Krasnystaw*, Terespol*, Ryk**, Radzyń Podlask*, Mędzyrzec Podlask*, Parczew**, Łęczna**, Łuków*, Hrubeszów*, Tomaszów Lubelsk*, Śwdnk*, Kraśnk*, Dębln*, Lubartów*, Puławy*, Błgoraj*, Zamość*, Chełm*, Bała Podlaska* B 34 Wólka, Konopnca, Jastków, Nemce, Mełgew, Głusk, Ułęż, Spczyn, Potok Welk, Tomaszów Lubelsk, Chełm, Puławy, Lubartów, Kraśnk, Janowec, Tereszpol, Błgoraj, Stoczek Łukowsk, Łuków, Radzyń Podlask, Mędzyrzec Podlask, Stann, Kąkolewnca Wschodna, Trzebeszów, Garbów, Zamość, Stno, Łabune, Wlkołaz, Bała Podlaska, Bełżec, Godzszów, Rossosz, Adamów (pow. zamojsk) C 30 Włodawa, Lubycza Królewska, Krasnystaw, Hrubeszów, Wola Uhruska, Rejowec Fabryczny*, Wyryk, Rejowec Fabryczny, Rejowec, Ruda-Huta, Dorohusk, Obsza, Końskowola, Goraj, Susec, Modlborzyce, Józefów**, Józefów nad Wsłą, Dzwola, Trawnk, Tarnawatka, Chodel, Sławatycze, Stary Brus, Dębowa Kłoda, Bałopole, Kraśnczyn, Horodło, Ulhówek, Dołhobyczów, Wojsławce, Skerbeszów, Żmudź, Sedlszcze, Frlej, Urszuln, Jezorzany, Wlków, Karczmska, Dubenka, Hańsk, Werzbca, Sawn, Mlejów, Kameń, Cyców, Mchów, Łazska, Wojceszków, Pszczac, Semeń, Annopol** D 3 Żółkewka, Jarczów, Łaszczów, Werbkowce, Uchane, Mrcze, Mączyn, Grabowec, Rybczewce, Zakrzew, Rudnk, Podedwórze, Leśnowce, Wysoke, Krzczonów, Gorzków, Turobn, Sułów, Nelsz, Tyszowce**, Telatyn, Fajsławce, Ponatowa**, Opole Lubelske**, Kock**, Markuszów, Kurów, Rachane, Trzeszczany, Izbca, Szczebrzeszyn**, Wąwolnca, Pask**, Janów Podlask, Strzyżewce, Bychawa**, Bełżyce**, Stary Zamość, Jabłonna, Dzerzkowce, Chrzanów, Radecznca, Batorz, Łukowa, Ksężpol, Tarnogród**, Bszcza, Urzędów, Trzydnk Duży, Nedrzwca Duża, Żyrzyn, Ludwn, Zakrzówek, Ostrów Lubelsk**, Borzechów, Kamonka, Baranów, Uścmów, Sosnowca, Wola Mysłowska, Serokomla, Łopennk Górny, Krynce, Komarów Osada, Kodeń, Gośceradów, Terespol, Zalese, Wojcechów, Roktno, Wohyń, Mlanów, Hanna, Szastarka, Sennca Różana, Stężyca, Wsznce, Frampol**, Tuczna, Sosnówka, Łomazy, Leśna Podlaska, Komarówka Podlaska, Jabłoń, Ulan-Majorat, Drelów, Konstantynów, Czemernk, Adamów (pow. łukowsk), Sernk, Ostrówek, Nedźwada, Nowodwór, Kłoczew, Bork, Krzywda, Aleksandrów, Potok Górny, Abramów Źródło: opracowane własne na podstawe: Banku Danych Regonalnych za lata ; Wojewódzkego Programu Rozwoju Infrastruktury Transportowej Komunkacj dla Województwa Lubelskego oraz Raportu na temat stanu środowska w 2007 r. ( * - gmna mejska, ** - gmna mejsko-wejska)

34 26 Meczysław Adamowcz, Paweł Janulewcz Porównane wynków uzyskanych metodą wzorcową Hellwga Warda Wynk uzyskane metodą Warda (tab. 2) można uznać za zgodne z klasy fkacją gmn otrzymaną na podstawe metody Hellwga (tab. ), poneważ jednostkom terytoralnym należącym do tych samych skupeń odpowadają zblżone pozycje w rankngu zbudowanym w oparcu o taksonomczną marę rozwoju. Skupene A najbardzej pokrywa sę z grupą gmn o najwyższym pozome konkurencyjnośc. Na 27 gmny, aż 22 jednostk wchodzą zarówno do grupy I (najbardzej konkurencyjnej) jak równeż do skupena A. Skupene B pokrywa sę z 8 gmnam należących do I grupy (najbardzej konkurencyjnej), 3 gmnam z II grupy, 2 gmnam z III oraz gmną wejską (Tomaszowem Lubelskm) z IV grupy. Skupene C najbardzej pokrywa sę z grupą III posadając wspólne 35 jednostk, oprócz nch w skład grupy C wchodz gmn z II grupy (pod względem konkurencyjnośc) oraz 7 gmn z IV grupy (najmnej konkurencyjnej). Skupene D jest najlcznejsze gromadząc 3 gmn, warto mmo wszystko zauważyć, że borąc pod uwagę metodę Hellwga skupa ono 6 z 24 gmn reprezentujących IV grupę (najmnej konkurencyjną). Dokonując szczegółowych porównań wynków obu metod (Warda Hellwga) do gmn najbardzej konkurencyjnych (posadających najwęcej zalet) należałoby zalczyć skupene A, do II grupy skupene B, do III grupy C, natomast do najsłabej konkurencyjnych skupene D, poneważ ta grupa posada najwęcej wad (słabośc), które należałoby usunąć, żeby gmny wchodzące w jej skład mogły skuteczne konkurować z pozostałym. WNIOSKI Welowymarowe metody statystyczne pownny znaleźć swoje zastosowanu w strategcznym zarządzanu jednostką terytoralną w celu efektywnejszego wykorzystana jej zasobów. Metoda wzorcowa Hellwga pozwolła na dokonane klasyfkacj jednostek terytoralnych z punktu wdzena ch konkurencyjnośc natomast analza skupeń Warda wskazała, które gmny są podobne do sebe pod względem przyjętych zmennych. Władze samorządowe wykorzystując welowymarowe analzy statystyczne są w stane określć dysproporcje oraz wskazać obszary, w których należy podejmować dzałana, by móc ogranczać wady (będące swostym słabym stronam), aby zagwarantować jej szybszy rozwój, a tym samym podnosć jej konkurencyjność