A C T A U N I V E R S I T A T I S L O D Z I E N S I S FOLIA OECONOMICA 6 (308), Joanna Górna Karolina Górna
|
|
- Alojzy Szydłowski
- 8 lat temu
- Przeglądów:
Transkrypt
1 A C T A U N I V E R S I T A T I S L O D Z I E N S I S FOLIA OECONOMICA 6 (308), 2014 Joanna Górna Karolina Górna KONWERGENCJA CZY DYWERGENCJA REGIONÓW EUROPY ŚRODKOWO-WSCHODNIEJ PO ICH PRZYSTĄPIENIU DO UNII EUROPEJSKIEJ 1. WPROWADZENIE Celem artykułu jest znalezienie odpowiedzi na pytanie, czy na wyodrębnionym obszarze 8 państw europejskich, które w 2004 roku przystąpiły do Unii Europejskiej zachodzi zjawisko konwergencji PKB per capita, czy raczej należy mówić o dywergencji w tym zakresie. Oczekuje się, iż akcesja do UE przyczynia się do poprawy warunków życia i zwiększenia tempa zrównoważonego wzrostu gospodarczego w krajach wstępujących do wspólnoty. Dążenie do realizacji tego zadania jest widoczne w tzw. polityce spójności. Podjęte badanie jest motywowane chęcią sprawdzenia w ogólnym aspekcie efektywności tejże polityki. Zakres czasowy badania i podział na wskazane dwa okresy pozwala na pokazanie, jak kształtowały się przestrzenne rozkłady dochodów per capita przed i po wstąpieniu rozważanych krajów do UE. Jest to kontynuacja wcześniejszej analizy nt.: Przestrzenne i przestrzenno-czasowe tendencje i zależności PKB w wybranych krajach europejskich w latach , którego wyniki były prezentowane w formie plakatu na II Międzynarodowej Konferencji Naukowej nt.: Ekonometria Przestrzenna i Regionalne Analizy Ekonomiczne w Łodzi w dniach 45 czerwca 2012 r., a następnie opublikowane w postaci artykułu: Górna, Górna (2013a). Jak wskazuje tytuł wspomnianej publikacji, były to wstępne, ogólne rozważania na temat przestrzennych i czasowych tendencji i zależności w kształtowaniu się PKB per capita na wyodrębnionym obszarze, a samo zjawisko konwergencji gospodarczej nie było wówczas głównym celem analizy. Badania konwergencji Uniwersytet Mikołaja Kopernika w Toruniu, Wydział Nauk Ekonomicznych i Zarządzania. Uniwersytet Mikołaja Kopernika w Toruniu, Wydział Nauk Ekonomicznych i Zarządzania. [31]
2 32 Joanna Górna, Karolina Górna stały się przedmiotem kolejnych opracowań autorek niniejszego artykułu, np. Górna, Górna (2013b) oraz we współautorstwie: Górna, Górna, Szulc (2013a; 2013b; 2014). 2. PRZEDMIOT I ZAKRES BADANIA Przeprowadzona została analiza PKB per capita na obszarze ośmiu krajów europejskich, takich jak: Czechy, Estonia, Węgry, Łotwa, Litwa, Polska, Słowacja i Słowenia, w okresie , z podziałem na dwa podokresy: oraz , w przestrzennym układzie według systemu klasyfikacji terytorialnej NUTS-2. Została sformułowana hipoteza badawcza następującej treści: wbrew oczekiwaniom, po przystąpieniu do Unii Europejskiej na wyodrębnionym obszarze ośmiu krajów w rozważanym okresie obserwuje się zjawisko dywergencji gospodarczej. W toku badania poszukiwano odpowiedzi na następujące pytania: 1. Czy na wyodrębnionym obszarze w analizowanym okresie występują trendy przestrzenne PKB per capita? 2. Czy na rozważanym obszarze występuje autokorelacja przestrzenna? 3. Czy wariancja PKB per capita na analizowanym obszarze maleje w kolejnych latach i czy w związku z tym zmniejszają się ekonomiczne różnice między regionami (zjawisko sigma-konwergencji)? 4. Czy w ustalonych podokresach oraz w całym badanym okresie, biedne gospodarki (regiony), które charakteryzują się niższymi początkowymi wysokościami PKB per capita, mają wyższe tempo wzrostu niż bogate regiony z wyższymi poziomami PKB w początkowych okresach (zjawisko betakonwergencji)? 5. Czy obserwowalne jest zjawisko gamma konwergencji? 6. Czy podczas weryfikacji hipotezy konwergencji gospodarczej powinno brać się pod uwagę zależności przestrzenne między regionami? 3. DANE W badaniu wykorzystane zostały roczne dane dotyczące wartości PKB per capita w latach Badaniem objęto osiem krajów europejskich (Czechy, Estonia, Litwa, Łotwa, Polska, Słowacja, Słowenia, Węgry), które
3 Konwergencja czy dywergencja regionów Europy Środkowo-Wschodniej 33 w 2004 roku przystąpiły do Unii Europejskiej. Dodatkowo, wyodrębniono dwa podokresy: oraz , tj. okresy przed- i po przystąpieniu rozważanych krajów do UE. Rysunek 1. PKB per capita w latach w analizowanych regionach NUTS2 Rysunek 1 prezentuje kształtowanie się wartości PKB per capita w badanym okresie we wszystkich badanych regionach. Rysunek 2 pokazuje, jak w układzie przestrzennym kształtował się poziom badanego zjawiska w latach odpowiednio 2000 i Analogiczne informacje prezentuje Rysunek 3, który dotyczy lat 2005 i Rysunek 2. Przestrzenne zróżnicowanie PKB per capita w 40 regionach europejskich w latach 2000 i 2004
4 34 Joanna Górna, Karolina Górna Rysunek 3. Przestrzenne zróżnicowanie PKB per capita w 40 regionach europejskich w latach 2005 i METODOLOGIA W przeprowadzonym badaniu wykorzystano narzędzia i metody statystyki oraz ekonometrii przestrzennej. Podstawową koncepcją metodologiczną przeprowadzonego badania było potraktowanie obserwacji PKB per capita na wyodrębnionym obszarze, jako realizacji przestrzennego procesu stochastycznego. Zatem, wartości PKB per capita w regionie i, dla i = 1, 2,, N, w ustalonym czasie traktuje się jako realizację procesu przestrzennego Z( s i ), gdzie s i [ xi, yi ] współrzędne położenia regionów na płaszczyźnie. Konsekwencją takiego podejścia metodologicznego jest badanie składnikowej struktury w kształtowaniu się PKB per capita w postaci trendów przestrzennych oraz przestrzennych autozależności. Każda obserwacja PKB per capita jest związana z określoną lokalizacją w przestrzeni w ramach pewnej struktury powiązań między jednostkami przestrzennymi. Dlatego konwergencja/dywergencja była badana w aspekcie tychże powiązań. Struktura powiązań między każdą parą jednostek przestrzennych jest kwantyfikowana przy pomocy przestrzennej macierzy powiązań W (Suchecki 2010: 106). Macierz W jest macierzą kwadratową o elementach w ij, wskazujących, czy jednostki przestrzenne w lokalizacjach i oraz j są sąsiadami. Niezerowe elementy macierzy, tj.: wij 0, identyfikują
5 Konwergencja czy dywergencja regionów Europy Środkowo-Wschodniej 35 jednostki jako sąsiadów. Dodatkowo, z założenia wij 0 (dla i=j), co oznacza, że żadna jednostka przestrzenna nie jest swoim sąsiadem. W celu przeprowadzenia wstępnej analizy możliwości wystąpienia zjawiska konwergencji na badanym obszarze w ustalonych przedziałach czasu wykorzystano w szczególności następujące narzędzia: mapy prezentujące przestrzenne rozkłady PKB per capita (w logarytmach) w początkowych i końcowych latach ustalonych podokresów dla wstępnej analizy danych; wykresy punktowe rozrzutu wartości PKB per capita według regionów oraz wykresy trendów przestrzennych (sklejane powierzchnie trendu), także dla początkowych i końcowych lat ustalonych podokresów dla wstępnej oceny skali i zmian w czasie przestrzennego zróżnicowania PKB per capita (-konwergencja); wykresy trendów przestrzennych tempa wzrostu PKB per capita w zestawieniu z wykresami trendów przestrzennych PKB per capita w pierwszych latach podokresów oraz wykresy Morana dla PKB per capita w pierwszych latach podokresów i dla tempa wzrostu PKB w tych podokresach dla wstępnej oceny możliwości wystąpienia konwergencji typu. Następnie dokonano dokładniejszego badania występowania konwergencji typu, oraz stosując odpowiednie testy statystyczne, a także modele ekonometryczne. -konwergencja odnosi się do spadku zróżnicowania PKB per capita na badanym obszarze w określonym przedziale czasu. W literaturze przedmiotu zaproponowanych zostało kilka miar badających to zjawisko. Na potrzeby niniejszego badania wykorzystana została statystyka o rozkładzie F (Kusideł 2013: 61): 2 ˆ1 T, (1) 2 ˆT gdzie: T ~ F N 2, N 2, 1 ˆ ln ). N 2 2 t (ln GDPit GDPt N i1 Hipoteza zerowa testu zakłada brak konwergencji (dywergencji), czyli brak istotnego statystycznie spadku (wzrostu) wariancji badanego zjawiska. Odpowiednio, hipoteza alternatywna mówi, że konwergencja (dywergencja) zachodzi. Z kolei, jedną z miar proponowanych do badania -konwergencji jest współczynnik konkordancji rang Kendalla. Umożliwia on ocenę zmian w układzie rang nadanych jednostkom przestrzennym w odniesieniu do roku początkowego. Pozwala to wnioskować o otrzymaniu rang świadczących
6 36 Joanna Górna, Karolina Górna o wyższym poziomie zjawiska na końcu badanego okresu przez obiekty charakteryzujące się niskim poziomem na początku oraz odwrotnie. Miara ta dana jest wzorem (Boyle, McCarthy 1997: 259): T Variance( AR( Y) ), (2) ( ) ) t0 it RCt Variance (( T 1) AR Y i0 gdzie: AR( Y ) it ranga obiektu i w okresie t, AR( Y ) i 0 ranga obiektu i w okresie początkowym. Do badania istotności miary (2) służy test: 2 T N RC. (3) ( 1) t Hipoteza zerowa testu o rozkładzie χ 2 wskazuje na występowanie konwergencji typu. Z kolei alternatywna stwierdza brak konwergencji tego typu. Analiza β-konwergencji została przeprowadzona w ujęciu przestrzennym. W literaturze dotyczącej konwergencji typu beta wprowadzenie zależności przestrzennych między regionami można znaleźć np. w pracach: Arbia (2006); Bode, Rey (2006); Rey, Le Gallo (2009). W przeprowadzonym badaniu zostały wykorzystane następujące modele przestrzenne: model SAR (ang. spatial autoregressive model) przestrzenny model autoregresyjny dany wzorem: GDP GDP it jt ln lngdpi 1 wij ln i GDPi1 ji GDP j1, (4) gdzie: ρ parametr opóźnienia przestrzennego (przestrzennej autoregresji). model SEM (ang. spatial error model) model błędu przestrzennego dany wzorem: ln GDPiT lngdpi 1 i GDPi 1, (5), i wij j i ji gdzie: parametr błędu przestrzennego. W celu weryfikacji modeli β-konwergencji zostały wykorzystane następujące testy diagnostyczne: test Morana (statystyka I), dla oceny przestrzennego opóźnienia pierwszego rzędu oraz przestrzennej niezależności,
7 Konwergencja czy dywergencja regionów Europy Środkowo-Wschodniej 37 testy mnożnika Lagrange a (LMlag, LMerr) oraz ich wersje odporne (RLMlag, RLMerr), jako diagnostyki zależności przestrzennej, test ilorazu wiarygodności (LR), dla testowania istotności zależności przestrzennej, test heteroskedastyczności Breuscha-Pagana (B-P). 5. WSTĘPNA ANALIZA DANYCH W celu przeprowadzenia wstępnej analizy danych w kierunku wnioskowania o konwergencji/dywergencji przygotowane zostały mapy badanego obszaru oraz odpowiednie wykresy. Rysunek 4. Wykresy rozrzutu i trendu przestrzennego PKB per capita w latach 2000 i 2004 Rysunek 4 przedstawia rozrzuty przestrzenne PKB per capita w latach odpowiednio 2000 i 2004, oraz wykresy trendów przestrzennych w tychże latach. Zarówno wykresy rozrzutu, jak i trendów przestrzennych, pokazują, że w rozważanym przedziale czasowym zwiększyło się zróżnicowanie badanego zjawiska.
8 38 Joanna Górna, Karolina Górna Rysunek 5. Wykresy rozrzutu i trendu przestrzennego PKB per capita w latach 2005 i 2011 Rysunek 5 przedstawia analogiczne prawidłowości dla okresu W tym wypadku zwiększanie zróżnicowania PKB per capita jest jeszcze bardziej wyraźne, niż w okresie rozważanym wcześniej. Analiza Rysunków 45 pozwala na postawienie wstępnej hipotezy o niewystępowaniu zjawiska konwergencji typu sigma w badanych okresach. Rysunek 6. Wartości współczynnika zmienności PKB per capita i statystyki Morana I w wybranych okresach Rysunek 6 prezentuje zmiany w czasie dwóch miar: współczynnika zmienności dla PKB per capita i statystyki globalnej I Morana, zarówno dla całego okresu badania, jak i w ustalonych podokresach (por. Rey, Montouri
9 Konwergencja czy dywergencja regionów Europy Środkowo-Wschodniej : 146). Zmiany w czasie współczynnika zmienności służą do badania konwergencji typu sigma. Istotny statystycznie spadek wartości współczynnika zmienności w czasie potwierdza hipotezę konwergencji. Dla całego okresu badania w odniesieniu do współczynnika zmienności dodatkowo oszacowano parametr trendu liniowego. Parametr ten jest dodatni w czasie i statystycznie istotny, co oznacza wzrost współczynnika zmienności. Dodatkowo, zarówno w pierwszym podokresie ( ), jak i drugim ( ) parametr trendu liniowego współczynnika zmienności także jest dodatni i statystycznie istotny. W związku z tym, zarówno w całym okresie badania, jak i podokresach, nie można mówić o występowaniu zjawiska konwergencji typu sigma. Wartości statystyki globalnej I Morana prezentowane przez wykresy słupkowe (Rysunek 6), w każdym roku badanego okresu są istotne statystycznie. Wskazuje to na zasadność wprowadzenia zależności przestrzennych podczas modelowania procesu PKB per capita. To z kolei oznacza, że analiza konwergencji powinna być prowadzona w kontekście powiązań przestrzennych między regionami. W szczególności, pominięcie tych zależności przy konstrukcji modelu -konwergencji może oznaczać błędną specyfikację modelu oraz wpłynąć na jego słabe dopasowanie do danych. Dlatego w konstruowanych dalej modelach absolutnej -konwergencji zależności przestrzenne zostały uwzględnione. Rysunek 7. Tempo wzrostu w latach i trend przestrzenny PKB per capita w roku 2000 Do wstępnej oceny możliwości wystąpienia konwergencji typu beta wykorzystane zostały wykresy trendów przestrzennych logarytmowanych wartości PKB per capita w początkowych latach rozważanych okresów oraz tempa wzrostu PKB per capita w tych okresach. Rysunek 7 prezentuje przestrzenny trend tempa wzrostu PKB per capita w latach oraz trend PKB per capita dla roku Jeżeli powierzchnie obu trendów miałyby odwrotne kształty, pozwoliłoby to na domniemanie zjawiska konwergencji w badanym okresie. Oznaczałoby to, że regiony początkowo biedniejsze charakteryzują się wyższym tempem wzrostu, i zachodzi odwrotna zależność między poziomem zjawiska w okresie początkowym i dynamiką jego wzrostu. Powierzchnie przedstawione na Rysunku 7 zdają się wykazywać odwrotne
10 40 Joanna Górna, Karolina Górna tendencje, jednak do ścisłej weryfikacji hipotezy konwergencji wykorzystane zostaną dokładniejsze metody. Rysunek 8. Przestrzenne zróżnicowanie tempa wzrostu w latach i wartości PKB per capita w roku 2000 Źródło: opracowanie własne Na Rysunku 8 zaprezentowano odpowiednio, mapy przestrzennych rozkładów tempa wzrostu PKB per capita w okresie oraz wartości PKB per capita dla roku Jak można zauważyć, część regionów o najniższym poziomie PKB per capita w roku 2000 charakteryzuje się wysokim tempem wzrostu. Rysunek 9. Tempo wzrostu w latach i trend przestrzenny PKB per capita w 2005 Przestrzenne trendy tempa wzrostu PKB per capita w latach i wartości PKB per capita w roku 2005 prezentuje Rysunek 9. W tym wypadku oba trendy mają zbliżone kierunki zmian, co zdaje się przeczyć zachodzeniu zjawiska konwergencji. Bardziej prawdopodobna jest hipoteza dywergencji gospodarczej, ponieważ regiony bardziej rozwinięte gospodarczo w okresie początkowym, mają szybsze tempo wzrostu. Analogiczne wnioski wynikają z analizy Rysunku 10, na którym znajdują się mapy przedstawiające
11 Konwergencja czy dywergencja regionów Europy Środkowo-Wschodniej 41 przestrzenne rozkłady tempa wzrostu PKB per capita w okresie i wartości PKB w roku Rysunek 10. Przestrzenne zróżnicowanie tempa wzrostu w latach i wartości PKB per capita w roku 2005 Rysunek 11. Wykresy Morana dla roku 2000 i dla tempa wzrostu w latach wraz z mapami przynależności regionów do ćwiartek wykresów Morana Kolejnym sposobem analizy konwergencji typu beta jest wnioskowanie w tym zakresie na podstawie lokalnych statystyk Morana I. Rysunek 11 przedstawia lokalne statystyki Morana dla PKB per capita w roku 2000 i dla tempa wzrostu w pierwszym podokresie badania. Mapy pokazują przypisanie
12 42 Joanna Górna, Karolina Górna regionów do konkretnych ćwiartek wykresu Morana. Na obydwu wykresach symbole punktów odpowiadają przynależności regionów do ćwiartek wykresu Morana w roku Dzięki temu można zaobserwować, czy następuje przejście regionów z I ćwiartki do III oraz z III do I. Sygnalizowałoby to, że regiony o początkowo wyższym poziomie PKB per capita, otoczone przez bogatsze regiony (I ćwiartka wykresu Morana po lewej), mają niższe tempo wzrostu i są otoczone przez regiony o także niższym tempie wzrostu (III ćwiartka wykresu Morana po prawej). Pozwoliłoby to wnioskować o występowaniu zjawiska konwergencji typu beta. Z wykresów wynika, że następuje częściowe przesunięcie regionów z I do III ćwiartki i z III do I. Oznacza to, że możliwe jest, iż w tym okresie konwergencja występuje. Analogiczne wnioski można sformułować na podstawie sporządzonych map. Rysunek 12. Wykresy Morana dla roku 2005 i dla tempa wzrostu w latach wraz z mapami przynależności regionów do ćwiartek wykresów Morana. Źródło: opracowanie własne Analogiczne wykresy Morana i mapy zostały przygotowane dla drugiego podokresu badania i zaprezentowane na Wykresie 12. Widać tutaj przejście części regionów z I do III ćwiartki. Jednak do ćwiartki I przesunęło się kilka regionów z III ćwiartki i wiele z ćwiartek II i IV. Przy takich przetasowaniach trudno byłoby w sposób jednoznaczny i wiarygodny sformułować hipotezę o występowaniu konwergencji lub dywergencji.
13 Konwergencja czy dywergencja regionów Europy Środkowo-Wschodniej WYNIKI BADAŃ EMPIRYCZNYCH konwergencja Podobnie jak wstępna analiza sigma konwergencji, oparta na wykresach współczynnika zmienności w badanych podokresach i ocenie statystycznej istotności parametrów trendów liniowych w odniesieniu do tegoż współczynnika, statystyki testowe (1) tego typu konwergencji również wskazują na jej niewystępowanie. Tablica 1. Wyniki badania konwergencji typu sigma ˆ ,1071 0,1236 0, ˆ 2 0,1159 0,1097 0,1097 T T 1,0824 0,8877 1,0243 F 0, 01;38;38 2,1573 2,1573 2,1573 H 0 Brak podstaw do odrzucenia Brak podstaw do odrzucenia Brak podstaw do odrzucenia Zarówno dla całego badanego okresu, jak i poszczególnych podokresów, nie ma podstaw do odrzucenia hipotezy zerowej. Nie następuje zmniejszenie zróżnicowania PKB per capita w regionach badanego obszaru w rozważanych okresach konwergencja Jako pierwsze oszacowane zostały klasyczne modele konwergencji typu beta. Mimo że parametr jest w dwóch przypadkach ujemny (dla podokresu oraz dla całego okresu ), model klasyczny nie może być podstawą do wnioskowania o konwergencji w tym wypadku. Diagnostyki otrzymanych regresji liniowych wskazują na konieczność dokonania re-specyfikacji modeli. Statystyki Morana I informują o istotnych zależnościach przestrzennych, a zatem wskazują na potrzebę wykorzystania przestrzennych modeli konwergencji.
14 44 Joanna Górna, Karolina Górna Tablica 2. Wyniki estymacji i weryfikacji modeli liniowych konwergencji typu beta Parametry Dopasowanie ln GDP it GDP i1 ln GDP i ,0246 (0,2947) 0,0214 (0,0321) i 1,2190 (0,4451) -0,1036 (0,0471) 1,1886 (0,6067) -0,0736 (0,0661) Skorygowany R 2-0,0145 0,0898 0,0061 Heteroskedastyczność Test Breuscha-Pagana 1,3551 Autokorelacja reszt (0,2444) Test Morana 0,5947 Szybkość konwergencji Half-life Źródło: opracowanie własne - - 2,1717 (0,1406) 0,4162 0, ,3600 3,2902 (0,6969) 0,3799 (0,0001) 0, ,8000 Analogiczny wniosek należy sformułować na podstawie wyników testów mnożnika Lagrange a (Tablica 3) zależności przestrzenne należy do modeli wprowadzić. Wówczas proponuje się wykorzystanie modeli SAR i SEM. Tablica 3. Wyniki testów LM dla modeli liniowych LMlag LMerr RLMlag RLMerr Modele LM Zależność przestrzenna 24, ,5106 3,8046 (0,0511) 5,2496 (0,0230) 18, ,4914 (0,0004) 13,7930 (0,0002) 8,2488 (0,0041) 13,4570 (0,0002) 10,4090 (0,0013) 16, ,5100 (0,0002) Pierwszym typem modelu uwzględniającego zależności przestrzenne jest przestrzenny model autoregresyjny dany wzorem (4). Tablica 4 przedstawia wyniki estymacji i weryfikacji tego modelu. Wartości statystyki Morana I wskazują na brak autokorelacji przestrzennej w resztach, co świadczy o dobrej jakości modelu z tego punktu widzenia. Dla okresów i parametr jest dodatni, a dla okresu ujemny. Nie potwierdziły się
15 Konwergencja czy dywergencja regionów Europy Środkowo-Wschodniej 45 zatem przypuszczenia wynikające ze wstępnej analizy danych przeprowadzonej w punkcie 4 niniejszego opracowania. Analiza ta sugerowała, że w pierwszym badanym podokresie konwergencja może wystąpić, tymczasem model SAR wskazuje na brak tego zjawiska. Brak wstępnych jednoznacznych wniosków dotyczących okresu drugiego, po zastosowaniu modelu SAR może zostać uchylony można stwierdzić występowanie konwergencji. Parametry konwergencji/dywergencji są statystycznie istotne w każdym przypadku (Tablica 4). Tablica 4. Wyniki estymacji i weryfikacji przestrzennych modeli autoregresyjnych GDP GDP it jt GDP 1 w GDP GDP i1 j i j1 ln ln ln Parametry Dopasowanie i ij i ,2964 (0,1905) 0,0384 (0,0211) 0,7605 0,2148 (0,3157) -0,0158 (0,0332) 0,7083-0,2665 (0,4520) 0,0467 (0,0495) 0,862 AIC -122, , ,8780 Heteroskedastyczność Test Breuscha-Pagana 0,3719 Autokorelacjareszt (0,5400) Test Morana 0,0552 Zależność przestrzenna (0,2210) LR 25,0190 0,0254 (0,8734) -0,0013 (0,4126) 19,2340 1,2962 (0,2549) 0,0555 (0,2336) 15,2080 (0,0001) Tablica 5 prezentuje wyniki estymacji i weryfikacji modeli błędu przestrzennego. Również w tym wypadku nie potwierdza się hipoteza konwergencji. Natomiast wyniki dla okresu oraz wskazują na występowanie zjawiska dywergencji.
16 46 Joanna Górna, Karolina Górna Tablica 5. Wyniki estymacji i weryfikacji modeli błędu przestrzennego ln Parametry Dopasowanie GDP it GDP i1 ln GDP i 1 i w, i ij j i ,6851 (0,2223) 0,0668 (0,0238) 0,7881 0,0604 (0,3601) 0,0170 (0,0374) 0,7438 j i -0,7623 (0,5179) 0,1383 (0,0556) 0,7581 AIC -126,11-80, ,8320 Heteroskedastyczność Test Breuscha-Pagana 0,0169 Autokorelacja reszt (0,8966) Test Morana 0,350 Zależność przestrzenna (0,2815) LR 28,6640 0,0964 (0,7562) -0,0049 (0,4254) 19,2260 0,0360 (0,8495) 0,0126 (0,3655) 19,1620 W Tablicy 6 zamieszczono wyniki badania szybkości konwergencji dla modeli SAR i SEM, z oczywistych względów w przypadku dodatniego parametru konwergencji miary nie były wyznaczane. Tablica 6. Ocena szybkości konwergencji i half-life dla modeli SAR i SEM SAR szybkość konwergencji - 0, t half-life - 304, SEM szybkość konwergencji t half-life - - -
17 Konwergencja czy dywergencja regionów Europy Środkowo-Wschodniej konwergencja Tablica 7 przedstawia wyniki badania konwergencji typu gamma z wykorzystaniem wzorów (2) i (3). Na ich podstawie należy stwierdzić, że konwergencja tego typu nie występuje ani dla całego badanego okresu, ani też dla któregokolwiek z wyodrębnionych podokresów. Tablica 7. Wyniki badania konwergencji typu gamma RC t 0, , , , , ,5208 ( RC t ) 2 0, 01;39 21, , ,42616 H 1 H 1 H 1 7. ZAKOŃCZENIE Na podstawie wyników przeprowadzonego badania można sformułować następujące wnioski: 1. Stwierdzono występowanie trendów przestrzennych PKB per capita na wyodrębnionym obszarze krajów w badanych okresach. Na tej podstawie sformułowano hipotezy robocze dotyczące konwergencji i dywergencji. 2. Wstępna analiza danych nie pozwala na sformułowanie jednoznacznych wniosków odnośnie do występowania konwergencji, szczególnie dla drugiego okresu, tj W kolejnych latach ustalonych okresów została stwierdzona autokorelacja przestrzenna PKB per capita. Wskazuje to na konieczność badania zjawiska konwergencji przy uwzględnieniu zależności przestrzennych między regionami, co oznacza potrzebę wykorzystania tzw. przestrzennych modeli konwergencji. 4. Pominięcie zależności przestrzennych skutkuje złą jakością modelu. 5. Na podstawie testów mnożnikowych Lagrange a oraz testów ilorazu wiarygodności LR istotność efektów przestrzennych w modelach SAR i SEM została potwierdzona. W toku dalszych badań zamierza się uzupełnić analizę w odniesieniu do tego samego obszaru krajów podejmując następujące zadania:
18 48 Joanna Górna, Karolina Górna 1. Rozpatrzenie przestrzennych przekrojowych modeli beta konwergencji z dodatkowymi zmiennymi objaśniającymi (warunkowa -konwergencja). 2. Badanie konwergencji przy wykorzystaniu przestrzennych modeli dla danych panelowych. BIBLIOGRAFIA Anselin L. (1988), Spatial Econometrics: Methods and Models, Dordrecht, Kluwer Academic Publishers. Arbia G. (2006), Spatial Econometrics. Statistical Foundations and Applications to Regional Convergence, Springer-Verlag Berlin Haidelberg. Bivand S. R., Pebesma E. J., Gómez-Rubio V. (2008), Applied Spatial Data Analysis with R, Springer Science+Busines Media, LLC. Bode E., Rey S. J. (2006), The Spatial Dimension of Economic Growth and Convergence, Papers in Regional Science, vol. 2, no. 85, ss Boyle G. E., McCarthy T. G. (1997), A simple measure of β-convergence, Oxford Bulletin of Economics and Statistic, vol. 2, no. 59, ss Górna J., Górna K. (2013a), Przestrzenne i przestrzenno-czasowe tendencje i zależności PKB w wybranych krajach europejskich w latach , Acta Universitatis Lodziensis. Folia Oeconomica, vol. 293, Łódź, ss Górna J., Górna K.(2013b), Analiza konwergencji gospodarczej wybranych regionów Europy w latach , Collegium of Economic Analysis Annals, vol. 30, Warszawa, pp Górna J., Górna K., Szulc E. (2013a), Analysis of β-convergence. From Traditional Cross-Section Model to Dynamic Panel Model, Dynamic Econometric Models, Nicolaus Copernicus University, vol. 13, Wydawnictwo UMK, Toruń, pp Górna J., Górna K., Szulc E. (2013b), A β-convergence analysis of European regions. Some respecifications of the traditional model, Proceedings of the 7th Professor Aleksander Zelias International Conference on Modelling and Forecasting of Socio-Economic Phenomena, Górna, J., Górna K., Szulc E. (2014), A β-convergence Analysis of European Regions. Some Respecifications of the Traditional Model (extended version), forthcoming. Kusideł E. (2013), Konwergencja gospodarcza w Polsce i jej znaczenie w osiąganiu celów polityki spójności, Wydawnictwo Uniwersytetu Łódzkiego, Łódź. LeSage J., Pace R. K. (2009), Introduction to Spatial Econometrics, Champion & Hall/CRC, New York. Rey S. J., Montouri B. D. (1999), US Regional Income Convergence: A Spatial Econometric Perspective, "Regional Studies", vol.33. 2, ss Rey S. J., Le Gallo J. (2009), Spatial Analysis of Economic Convergence, (w:) Mills T. C., Patterson K. (red.), Palgrave Handbook of Econometrics, Volume II: Applied Econometrics. Palgrave MacMillan, New York, ss Suchecki B. (red.) (2010), Ekonometria Przestrzenna. Metody i Modele Analizy Danych Przestrzennych, Wydawnictwo C.H. Beck, Warszawa. Szulc E. (2009), Modeling of Dynamic Spatial Processes, Dynamic Econometric Models, Nicolaus Copernicus University, vol. 9, Wydawnictwo UMK, Toruń, ss
19 Konwergencja czy dywergencja regionów Europy Środkowo-Wschodniej 49 ABSTRAKT Opracowanie prezentuje analizę PKB per capita na wyodrębnionym obszarze ośmiu krajów europejskich (Czechy, Estonia, Węgry, Łotwa, Litwa, Polska, Słowacja i Słowenia) w dwóch okresach: i , tj. przed i po ich wstąpieniu do Unii Europejskiej. Oczekiwano, że akcesja do UE miała przyczyniać się do poprawy warunków życia i zwiększania tempa zrównoważonego wzrostu gospodarczego w krajach wstępujących do Wspólnoty. Umożliwiłoby to zmniejszenie różnic w poziomach dochodów w tych krajach. Celem przeprowadzonej analizy jest zbadanie czy w rozważanych okresach zachodziło zjawisko konwergencji czy może jednak dywergencji w zakresie poziomów PKB per capita w przekroju regionów według europejskiej klasyfikacji NUTS2 wybranych krajów. W badaniu wykorzystuje się metody i modele wywodzące się ze statystyki i ekonometrii przestrzennej. Wybór takiej metodologii wynika z hipotezy mówiącej, że tempo wzrostu danego regionu jest związane z tempem wzrostu jego sąsiadów. Zatem koncepcja konwergencji gospodarczej na badanym obszarze jest analizowana w kontekście powiązań przestrzennych. Rozważa się trendy przestrzenne i autokorelację przestrzenną PKB per capita oraz zmiany w czasie tych tendencji i zależności przestrzennych. Głównymi narzędziami stosowanymi w badaniu są przestrzenne modele danych przekrojowych oraz przestrzenne modele panelowe. Dane pochodzą z bazy danych udostępnianej przez Eurostat ( CONVERGENCE OR DIVERGENCE OF REGIONS OF MIDDLE-EAST EUROPE AFTER THEIR ACCESSION TO THE EUROPEAN UNION ABSTRACT The work presents the analysis of per capita GDP in the selected area of eight European countries (the Czech Republic, Estonia, Hungary, Latvia, Lithuania, Poland, Slovakia and Slovenia) in two periods: and , i.e. before and after their accession to the European Union. It was expected that accession to the EU would improve living conditions and would raise the pace of steady economic growth rate in those countries. It would enable the diminution of differences of income levels in the countries. The aim of the analysis is to investigate whether the phenomena of convergence or divergence of per capita GDP across the established regions according to the European classification system NUTS-2 have occurred in the periods considered. In the investigation some methods and models offered by the spatial statistics and econometrics will be used. Choosing the methodology was motivated by the hypothesis that the growth rate of any region is connected with the growth rates of its neighbors. Thus, the conception of economic convergence of the regions of the established area in the context of spatial connections is analyzed. The spatial trends and spatial autocorrelation of the GDP are considered. The changes in time of the spatial tendencies and dependence are analyzed as well. The main tools used in the investigation are the spatial cross-sectional data models and the spatial panel models of β-convergence. The data related to the established regions was taken from the database released by Eurostat (
OeconomiA copernicana. Iwona Müller-Frączek, Michał Bernard Pietrzak Uniwersytet Mikołaja Kopernika w Toruniu
OeconomiA copernicana 2012 Nr 2 ISSN 2083-1277 Iwona Müller-Frączek, Michał Bernard Pietrzak Uniwersytet Mikołaja Kopernika w Toruniu ANALIZA STOPY BEZROBOCIA W POLSCE W UJĘCIU PRZESTRZENNO-CZASOWYM Klasyfikacja
Metody ekonometrii przestrzennej w analizie konwergencji gospodarczej regionów Unii Europejskiej
Prof. dr hab. Jadwiga Suchecka Katedra Ekonometrii Przestrzennej Uniwersytet Łódzki Recenzja pracy doktorskiej mgr Karoliny Górnej Metody ekonometrii przestrzennej w analizie konwergencji gospodarczej
Ekonometria. 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)
Mieczysław Kowerski. Program Polska-Białoruś-Ukraina narzędziem konwergencji gospodarczej województwa lubelskiego
Mieczysław Kowerski Wyższa Szkoła Zarządzania i Administracji w Zamościu Program Polska-Białoruś-Ukraina narzędziem konwergencji gospodarczej województwa lubelskiego The Cross-border Cooperation Programme
Wzrost gospodarczy a możliwości aplikacji zależności przestrzennych prawo Verdoorna
UNIWERSYTET SZCZECIŃSKI Z e s z y t y Naukowe nr 858 Współczesne Problemy Ekonomiczne nr 11 (2015) DOI: 10.18276/wpe.2015.11-01 Joanna Górna* Karolina Górna** Wzrost gospodarczy a możliwości aplikacji
KLASYFIKACJA KRAJÓW UNII EUROPEJSKIEJ A SZYBKOŚĆ ICH KONWERGENCJI DOCHODOWEJ
Barbara Batóg, Jacek Batóg Uniwersytet Szczeciński KLASYFIKACJA KRAJÓW UNII EUROPEJSKIEJ A SZYBKOŚĆ ICH KONWERGENCJI DOCHODOWEJ Wstęp Zjawisko wyrównywania się poziomów dochodów w poszczególnych krajach
MODELOWANIE PRZESTRZENNE CHARAKTERYSTYK RYNKU PRACY
Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 083-8611 Nr 65 016 Uniwersytet Ekonomiczny w Katowicach Wydział Zarządzania Katedra Matematyki posp@ue.katowice.pl MODELOWANIE
TEST 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.
Michał Bernard Pietrzak
Michał Bernard Pietrzak WYKORZYSTANIE PRZESTRZENNEGO MODELU REGRESJI PRZEŁĄCZNIKOWEJ W ANALIZIE REGIONALNEJ KONWERGENCJI W POLSCE WSTĘp Jedną z istotnych kwestii poruszaną w prowadzonych badaniach makroekonomicznych
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO ANALIZA ZBIEŻNOŚCI STRUKTUR ZATRUDNIENIA W WYBRANYCH KRAJACH WYSOKOROZWINIĘTYCH
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 32 PRACE KATEDRY EKONOMETRII I STATYSTYKI NR 11 21 BARBARA BATÓG JACEK BATÓG Uniwersytet Szczeciński Katedra Ekonometrii i Statystyki ANALIZA ZBIEŻNOŚCI STRUKTUR
EKONOMETRYCZNA IDENTYFIKACJA STRUKTUR PROCESÓW PRZESTRZENNYCH WOBEC PROBLEMU AGREGACJI DANYCH
ACTA UNIVERSITATIS NICOLAI COPERNICI EKONOMIA XLII NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 402 TORUŃ 2011 Uniwersytet Mikołaja Kopernika w Toruniu Katedra Ekonometrii i Statystyki Elżbieta Szulc EKONOMETRYCZNA
Badanie zróżnicowania krajów członkowskich i stowarzyszonych Unii Europejskiej w oparciu o wybrane zmienne społeczno-gospodarcze
Barbara Batóg Jacek Batóg Uniwersytet Szczeciński Badanie zróżnicowania krajów członkowskich i stowarzyszonych Unii Europejskiej w oparciu o wybrane zmienne społeczno-gospodarcze W 2004 roku planowane
Institute of Economic Research Working Papers. No. 33/2013. Zastosowanie modelu MESS w przestrzenno-czasowej analizie stopy bezrobocia w Polsce
Institute of Economic Research Working Papers No. 33/2013 Zastosowanie modelu MESS w przestrzenno-czasowej analizie stopy bezrobocia w Polsce Iwona Müller-Frączek Michał Bernard Pietrzak Toruń, Poland
Proces 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
Konwergencja w Polsce i w Europie
Wydział Ekonomiczno-Socjologiczny Konwergencja w Polsce i w Europie Ewa Kusideł Wykład dla EUROREG 30.04.2015 r. Wydział Ekonomiczno-Socjologiczny Plan prezentacji 1. Definicje konwergencji: beta- vs sigma-konwergencja,
Wykorzystanie przestrzennego modelu regresji przełącznikowej w analizie stopy bezrobocia dla Polski
Michał Bernard Pietrzak * Wykorzystanie przestrzennego modelu regresji przełącznikowej w analizie stopy bezrobocia dla Polski Wstęp Cel artykułu stanowi prezentacja oraz praktyczne zastosowanie przestrzennego
Przykład 2. Stopa bezrobocia
Przykład 2 Stopa bezrobocia Stopa bezrobocia. Komentarz: model ekonometryczny stopy bezrobocia w Polsce jest modelem nieliniowym autoregresyjnym. Podobnie jak model podaŝy pieniądza zbudowany został w
ANALIZA STRUKTURY EKONOMICZNYCH PROCESÓW PRZESTRZENNYCH NA PRZYKŁADZIE PKB W WYBRANYCH KRAJACH EUROPEJSKICH
ACTA UNIVERSITATIS NICOLAI COPERNICI EKONOMIA XXXVIII NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 388 TORUŃ 28 Wydział Nauk Ekonomicznych i Zarządzania UMK Katedra Ekonometrii i Statystyki Elżbieta Szulc ANALIZA
Modele Markowa w analizie dynamiki zróżnicowania regionalnego dochodu w krajach UE
Roczniki Kolegium Analiz Ekonomicznych nr 30/2013 Kolegium Analiz Ekonomicznych Szkoła Główna Handlowa w Warszawie Modele Markowa w analizie dynamiki zróżnicowania regionalnego dochodu w krajach UE Streszczenie
KONWERGENCJA GOSPODARCZA NA POZIOMIE REGIONALNYM W WYBRANYCH GRUPACH PAŃSTW UNII EUROPEJSKIEJ W LATACH
Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 319 2017 Uniwersytet Ekonomiczny w Krakowie Wydział Ekonomii i Stosunków Międzynarodowych Katedra Mikroekonomii
Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych
dr Piotr Sulewski POMORSKA AKADEMIA PEDAGOGICZNA W SŁUPSKU KATEDRA INFORMATYKI I STATYSTYKI Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych Wprowadzenie Obecnie bardzo
Ekonometria. 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
Analiza wydajności pracy w rolnictwie zachodniopomorskim
Jacek Batóg Barbara Batóg Uniwersytet Szczeciński Analiza wydajności pracy w rolnictwie zachodniopomorskim Znaczenie poziomu i dynamiki wydajności pracy odgrywa znaczącą rolę w kształtowaniu wzrostu gospodarczego
ANALIZA PORÓWNAWCZA KONIUNKTURY WOJEWÓDZTW POLSKI W LATACH
Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 318 2017 Uniwersytet Ekonomiczny w Katowicach Wydział Zarządzania Katedra Ekonometrii jozef.biolik@ue.katowice.pl
STATYSTYKA OD PODSTAW Z SYSTEMEM SAS. wersja 9.2 i 9.3. Szkoła Główna Handlowa w Warszawie
STATYSTYKA OD PODSTAW Z SYSTEMEM SAS wersja 9.2 i 9.3 Szkoła Główna Handlowa w Warszawie Spis treści Wprowadzenie... 6 1. Podstawowe informacje o systemie SAS... 9 1.1. Informacje ogólne... 9 1.2. Analityka...
Analiza zależności przestrzennych między wdrożeniem ICT a poziomem PKB per capita w krajach Ameryki Łacińskiej w latach
Analiza zależności przestrzennych między wdrożeniem ICT a poziomem PKB per capita w krajach Ameryki Łacińskiej w latach 2000-2013. Ewa Lechman Wydział Zarządzania i Ekonomii Politechnika Gdańska eda@zie.pg.gda.pl
2. Założenie niezależności zakłóceń modelu - autokorelacja składnika losowego - test Durbina - Watsona
Sprawdzanie założeń przyjętych o modelu (etap IIIC przyjętego schematu modelowania regresyjnego) 1. Szum 2. Założenie niezależności zakłóceń modelu - autokorelacja składnika losowego - test Durbina - Watsona
Adam Kirpsza Zastosowanie regresji logistycznej w studiach nad Unią Europejska. Anna Stankiewicz Izabela Słomska
Adam Kirpsza Zastosowanie regresji logistycznej w studiach nad Unią Europejska Anna Stankiewicz Izabela Słomska Wstęp- statystyka w politologii Rzadkie stosowanie narzędzi statystycznych Pisma Karla Poppera
Stanisław Cichocki Natalia Nehrebecka. Wykład 7
Stanisław Cichocki Natalia Nehrebecka Wykład 7 1 1. Metoda Największej Wiarygodności MNW 2. Założenia MNW 3. Własności estymatorów MNW 4. Testowanie hipotez w MNW 2 1. Metoda Największej Wiarygodności
Stanisław Cichocki. Natalia Nehrebecka
Stanisław Cichocki Natalia Nehrebecka 1. Testy diagnostyczne 2. Testowanie prawidłowości formy funkcyjnej modelu 3. Testowanie normalności składników losowych 4. Testowanie stabilności parametrów 5. Testowanie
Ekonometria. Ćwiczenia nr 3. Jakub Mućk. Katedra Ekonomii Ilościowej
Ekonometria Ćwiczenia nr 3 Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Ćwiczenia 3 Własności składnika losowego 1 / 18 Agenda KMNK przypomnienie 1 KMNK przypomnienie 2 3 4 Jakub Mućk
Własności statystyczne regresji liniowej. Wykład 4
Własności statystyczne regresji liniowej Wykład 4 Plan Własności zmiennych losowych Normalna regresja liniowa Własności regresji liniowej Literatura B. Hansen (2017+) Econometrics, Rozdział 5 Własności
Rozdział 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
REGIONY USA I UE-28 PKB PER CAPITA, PROCESY ZBIEŻNOŚCI I ZALEŻNOŚCI PRZESTRZENNE 1
STUDIA OECONOMICA POSNANIENSIA 2017, vol. 5, no. 1 DOI: 10.18559/SOEP.2017.1.5 Paweł Folfas Szkoła Główna Handlowa w Warszawie, Kolegium Gospodarki Światowej, Instytut Ekonomii Międzynarodowej pawel.folfas@sgh.waw.pl
WYRÓWNYWANIE POZIOMU ROZWOJU POLSKI I UNII EUROPEJSKIEJ
dr Barbara Ptaszyńska Wyższa Szkoła Bankowa w Poznaniu WYRÓWNYWANIE POZIOMU ROZWOJU POLSKI I UNII EUROPEJSKIEJ Wprowadzenie Podstawowym celem wspólnoty europejskiej jest wyrównanie poziomu rozwoju poszczególnych
Metoda 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
PRACE NAUKOWE UNIWERSYTETU EKONOMICZNEGO WE WROCŁAWIU RESEARCH PAPERS OF WROCŁAW UNIVERSITY OF ECONOMICS nr
PRACE NAUKOWE UNIWERSYTETU EKONOMICZNEGO WE WROCŁAWIU RESEARCH PAPERS OF WROCŁAW UNIVERSITY OF ECONOMICS nr 416 2016 Współczesne problemy ekonomiczne. ISSN 1899-3192 Rozwój zrównoważony w wymiarze globalnym
IMPLEMENTACJA ODLEGŁOŚCI EKONOMICZNEJ DO MODELOWANIA KAPITALIZACJI WYBRANYCH GIEŁD
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XV/3, 2014, str. 75 85 IMPLEMENTACJA ODLEGŁOŚCI EKONOMICZNEJ DO MODELOWANIA KAPITALIZACJI WYBRANYCH GIEŁD Joanna Górna Karolina Górna Katedra Ekonometrii
Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817
Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817 Zadanie 1: wiek 7 8 9 1 11 11,5 12 13 14 14 15 16 17 18 18,5 19 wzrost 12 122 125 131 135 14 142 145 15 1 154 159 162 164 168 17 Wykres
PROGNOZOWANIE PRZYCHODÓW ZE SPRZEDAŻY
Joanna Chrabołowska Joanicjusz Nazarko PROGNOZOWANIE PRZYCHODÓW ZE SPRZEDAŻY NA PRZYKŁADZIE PRZEDSIĘBIORSTWA HANDLOWEGO TYPU CASH & CARRY Wprowadzenie Wśród wielu prognoz szczególną rolę w zarządzaniu
Stanisław Cichocki Natalia Nehrebecka. Zajęcia 8
Stanisław Cichocki Natalia Nehrebecka Zajęcia 8 1. Testy diagnostyczne 2. Testowanie prawidłowości formy funkcyjnej modelu 3. Testowanie normalności składników losowych 4. Testowanie stabilności parametrów
Rozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów
Rozdział : Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów W tym rozdziale omówione zostaną dwie najpopularniejsze metody estymacji parametrów w ekonometrycznych modelach nieliniowych,
Testowanie 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
Stanisław Cichocki. Natalia Neherbecka. Zajęcia 13
Stanisław Cichocki Natalia Neherbecka Zajęcia 13 1 1. Kryteria informacyjne 2. Testowanie autokorelacji 3. Modele dynamiczne: modele o rozłożonych opóźnieniach (DL) modele autoregresyjne o rozłożonych
Wprowadzenie 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
FORECASTING 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
Statystyka 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
EKONOMETRIA PRZESTRZENNA
EKONOMETRIA PRZESTRZENNA Wstęp podstawy ekonometrii Uniwersytet Ekonomiczny w Krakowie, 2012 1 EKONOMETRIA wybrane definicje (Osińska) Ekonometria dziedzina ekonomii wykorzystująca modele i sposoby wnioskowania
SPÓJNOŚĆ EKONOMICZNA REGIONÓW POLSKI PRZED I PO PRZYSTĄPIENIU DO UNII EUROPEJSKIEJ
Agnieszka Wałęga Uniwersytet Ekonomiczny w Krakowie SPÓJNOŚĆ EKONOMICZNA REGIONÓW POLSKI PRZED I PO PRZYSTĄPIENIU DO UNII EUROPEJSKIEJ Wprowadzenie Spójność kraju, czyli stopień zróżnicowania tworzących
ANALIZA PORÓWNAWCZA KONIUNKTURY GOSPODARKI WOJEWÓDZTWA ŚLĄSKIEGO I GOSPODARKI POLSKI
Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 264 2016 Uniwersytet Ekonomiczny w Katowicach Wydział Zarządzania Katedra Ekonometrii jozef.biolik@ue.katowice.pl
Ekonometryczna 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.
3. 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
Regresja logistyczna (LOGISTIC)
Zmienna zależna: Wybór opcji zachodniej w polityce zagranicznej (kodowana jako tak, 0 nie) Zmienne niezależne: wiedza o Unii Europejskiej (WIEDZA), zamieszkiwanie w regionie zachodnim (ZACH) lub wschodnim
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
PRZESTRZENNY MODEL PANELOWY DLA NAKŁADÓW NADZIAŁALNOŚĆ INNOWACYJNĄ PRZEDSIĘBIORSTW PRZEMYSŁOWYCH W POLSCE W LATACH
A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I DOI: http://dx.doi.org/10.12775/aunc_zarz.2014.022 ZARZĄDZANIE XLI nr 2 (2014) Pierwsza wersja złożona 12.12.2014 ISSN Ostatnia wersja
5. 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 =
Cezary Klimkowski. Zakład Zastosowań Matematyki w Ekonomice Rolnictwa
Cezary Klimkowski Zakład Zastosowań Matematyki w Ekonomice Rolnictwa Funkcjonowanie na Jednolitym Rynku Unii Europejskiej Istotna zbieżność cen rolnych w państwach członkowskich Postępująca unifikacja
Projekt 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
Zadanie 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
O ZASTOSOWANIU METOD PLANOWANIA EKSPERYMENTÓW W ANALIZIE DANYCH PRZESTRZENNYCH
Małgorzata Szerszunowicz Uniwersytet Ekonomiczny w Katowicach O ZASTOSOWANIU METOD PLANOWANIA EKSPERYMENTÓW W ANALIZIE DANYCH PRZESTRZENNYCH Wprowadzenie Obecnie w analizach statystycznych poszukuje się
Pomiar dobrobytu gospodarczego
Ekonomiczny Uniwersytet Dziecięcy Pomiar dobrobytu gospodarczego Uniwersytet w Białymstoku 07 listopada 2013 r. dr Anna Gardocka-Jałowiec EKONOMICZNY UNIWERSYTET DZIECIĘCY WWW.UNIWERSYTET-DZIECIECY.PL
Ekonometryczne modele nieliniowe
Ekonometryczne modele nieliniowe Wykład 10 Modele przełącznikowe Markowa Literatura P.H.Franses, D. van Dijk (2000) Non-linear time series models in empirical finance, Cambridge University Press. R. Breuning,
Projekt 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
ANALIZA KRAŃCOWEJ PIONOWEJ KONWERGENCJI DOCHODOWEJ TYPU β W KRAJACH UNII EUROPEJSKIEJ W LATACH
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 31 Jacek Batóg Uniwersytet Szczeciński ANALIZA KRAŃCOWEJ PIONOWEJ KONWERGENCJI DOCHODOWEJ TYPU β W KRAJACH UNII EUROPEJSKIEJ W LATACH 1993 2010
Statystyka 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
KORELACJE 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
Analiza konwergencji gospodarczej wybranych regionów Europy w latach
Roczniki Kolegium Analiz Ekonomicznych nr 30/2013 Wydział Nauk Ekonomicznych i Zarządzania Uniwersytet Mikołaja Kopernika w Toruniu Analiza konwergencji gospodarczej wybranych regionów Europy w latach
Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada
Stanisław Cichocki Natalia Nehrebecka Katarzyna Rosiak-Lada 1. Sprawy organizacyjne Zasady zaliczenia 2. Czym zajmuje się ekonometria? 3. Formy danych statystycznych 4. Model ekonometryczny 2 1. Sprawy
Ekonometria Ćwiczenia 19/01/05
Oszacowano regresję stopy bezrobocia (unemp) na wzroście realnego PKB (pkb) i stopie inflacji (cpi) oraz na zmiennych zero-jedynkowych związanymi z kwartałami (season). Regresję przeprowadzono na danych
PROBLEM IDENTYFIKACJI STRUKTURY DANYCH PRZESTRZENNYCH
ACTA UNIVERSITATIS NICOLAI COPERNICI EKONOMIA XLI NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 397 TORUŃ 2010 Uniwersytet Mikołaja Kopernika w Toruniu Wydział Nauk Ekonomicznych i Zarządzania Michał Bernard Pietrzak
Testowanie 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
Stanisław Cichocki. Natalia Nehrebecka
Stanisław Cichocki Natalia Nehrebecka 1 2 3 1. Wprowadzenie do danych panelowych a) Charakterystyka danych panelowych b) Zalety i ograniczenia 2. Modele ekonometryczne danych panelowych a) Model efektów
Stanisław Cichocki. Natalia Nehrebecka. Wykład 12
Stanisław Cichocki Natalia Nehrebecka Wykład 12 1 1.Problemy z danymi Zmienne pominięte Zmienne nieistotne 2. Autokorelacja o Testowanie autokorelacji 1.Problemy z danymi Zmienne pominięte Zmienne nieistotne
Wpływ polityki spójności na realną konwergencję wewnątrzregionalną w Polsce w latach
Wpływ polityki spójności na realną konwergencję wewnątrzregionalną w Polsce w latach 2007-2013 Emilia Modranka Seminarium EUROREG 17 maja 2018 r. Łódź, 22.01.2017 Zakres tematyczny Założenia teoretyczne
Stanisław Cihcocki. Natalia Nehrebecka
Stanisław Cihcocki Natalia Nehrebecka 1 1. Kryteria informacyjne 2. Testowanie autokorelacji w modelu 3. Modele dynamiczne: modele o rozłożonych opóźnieniach (DL) modele autoregresyjne o rozłożonych opóźnieniach
WSTĘP DO REGRESJI LOGISTYCZNEJ. Dr Wioleta Drobik-Czwarno
WSTĘP DO REGRESJI LOGISTYCZNEJ Dr Wioleta Drobik-Czwarno REGRESJA LOGISTYCZNA Zmienna zależna jest zmienną dychotomiczną (dwustanową) przyjmuje dwie wartości, najczęściej 0 i 1 Zmienną zależną może być:
NOWY PROGRAM STUDIÓW 2016/2017 SYLABUS PRZEDMIOTU AUTORSKIEGO: Wprowadzenie do teorii ekonometrii. Część A
NOWY PROGRAM STUDIÓW 2016/2017 SYLABUS PRZEDMIOTU AUTORSKIEGO: Autor: 1. Dobromił Serwa 2. Tytuł przedmiotu Sygnatura (będzie nadana, po akceptacji przez Senacką Komisję Programową) Wprowadzenie do teorii
Prognozowanie 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)
Analiza zależności między wartością dochodu na osobę i wielkością gospodarstwa domowego w latach 2006 2013
Anna Turczak Zachodniopomorska Szkoła Biznesu w Szczecinie Analiza zależności między wartością dochodu na osobę i wielkością gospodarstwa domowego w latach 006 03 Streszczenie: Celem artykułu jest znalezienie
Badanie zależności skala nominalna
Badanie zależności skala nominalna I. Jak kształtuje się zależność miedzy płcią a wykształceniem? II. Jak kształtuje się zależność między płcią a otyłością (opis BMI)? III. Jak kształtuje się zależność
Analiza wariancji - ANOVA
Analiza wariancji - ANOVA Analiza wariancji jest metodą pozwalającą na podział zmienności zaobserwowanej wśród wyników eksperymentalnych na oddzielne części. Każdą z tych części możemy przypisać oddzielnemu
Analiza wpływu kryzysów gospodarczych i zadłużenia publicznego na konwergencję dochodową w krajach Unii Europejskiej w latach
Zarządzanie i Finanse Journal of Management and Finance Vol. 3, No. 4/2/205 Jacek Batóg* Analiza wpływu kryzysów gospodarczych i zadłużenia publicznego na konwergencję dochodową w krajach Unii Europejskiej
WIELKA 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
Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 15-16
Stanisław Cichocki Natalia Nehrebecka Zajęcia 15-16 1 1. Sezonowość 2. Zmienne stacjonarne 3. Zmienne zintegrowane 4. Test Dickey-Fullera 5. Rozszerzony test Dickey-Fullera 6. Test KPSS 7. Regresja pozorna
Ćwiczenie: 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)
3. Analiza własności szeregu czasowego i wybór typu modelu
3. Analiza własności szeregu czasowego i wybór typu modelu 1. Metody analizy własności szeregu czasowego obserwacji 1.1. Analiza wykresu szeregu czasowego 1.2. Analiza statystyk opisowych zmiennej prognozowanej
INFRASTRUKTURA I EKOLOGIA TERENÓW WIEJSKICH INFRASTRUCTURE AND ECOLOGY OF RURAL AREAS
Badania autokorelacji przestrzennej INFRASTRUKTURA I EKOLOGIA TERENÓW WIEJSKICH INFRASTRUCTURE AND ECOLOGY OF RURAL AREAS Nr 8/2008, POLSKA AKADEMIA NAUK, Oddział w Krakowie, s. 207 214 Komisja Technicznej
STATYSTYKA MATEMATYCZNA WYKŁAD 4. Testowanie hipotez Estymacja parametrów
STATYSTYKA MATEMATYCZNA WYKŁAD 4 Testowanie hipotez Estymacja parametrów WSTĘP 1. Testowanie hipotez Błędy związane z testowaniem hipotez Etapy testowana hipotez Testowanie wielokrotne 2. Estymacja parametrów
Metody Ekonometryczne
Metody Ekonometryczne Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Metody Ekonometyczne Wykład 4 Uogólniona Metoda Najmniejszych Kwadratów (GLS) 1 / 19 Outline 1 2 3 Jakub Mućk Metody Ekonometyczne
ANALIZA KOINTEGRACJI STÓP PROCENTOWYCH W POLSCE
Aneta KŁODZIŃSKA ZESZYTY NAUKOWE INSTYTUTU EKONOMII I ZARZĄDZANIA ANALIZA KOINTEGRACJI STÓP PROCENTOWYCH W POLSCE Zarys treści: Celem artykułu jest określenie czy między stopami procentowymi w Polsce występuje
K 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.
EKONOMETRIA 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,
Analiza korespondencji
Analiza korespondencji Kiedy stosujemy? 2 W wielu badaniach mamy do czynienia ze zmiennymi jakościowymi (nominalne i porządkowe) typu np.: płeć, wykształcenie, status palenia. Punktem wyjścia do analizy
czerwiec 2013 Uwaga: Przy rozwiązywaniu zadań, jeśli to konieczne, należy przyjąć poziom istotności 0,1 i współczynnik ufności 0,90
Uwaga: Przy rozwiązywaniu zadań, jeśli to konieczne, należy przyjąć poziom istotności 0,1 i współczynnik ufności 0,90 czerwiec 2013 Zadanie 1 Poniższe tabele przestawiają dane dotyczące umieralności dzieci
EKONOMIA XL NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 391 TORUŃ Ewa Dziawgo WYCENA POTĘGOWEJ ASYMETRYCZNEJ OPCJI KUPNA
ACTA UNIVERSITATIS NICOLAI COPERNICI EKONOMIA XL NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 391 TORUŃ 2009 Uniwersytet Mikołaja Kopernika w Toruniu Katedra Ekonometrii i Statystyki Ewa Dziawgo WYCENA POTĘGOWEJ
Spis 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
Szczegółowy 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
PRZYKŁAD ZASTOSOWANIA DOKŁADNEGO NIEPARAMETRYCZNEGO PRZEDZIAŁU UFNOŚCI DLA VaR. Wojciech Zieliński
PRZYKŁAD ZASTOSOWANIA DOKŁADNEGO NIEPARAMETRYCZNEGO PRZEDZIAŁU UFNOŚCI DLA VaR Wojciech Zieliński Katedra Ekonometrii i Statystyki SGGW Nowoursynowska 159, PL-02-767 Warszawa wojtek.zielinski@statystyka.info
Testy własności składnika losowego Testy formy funkcyjnej. Diagnostyka modelu. Część 2. Diagnostyka modelu
Część 2 Test Durbina-Watsona Test Durbina-Watsona Weryfikowana hipoteza H 0 : cov(ε t, ε t 1 ) = 0 H 1 : cov(ε t, ε t 1 ) 0 Test Durbina-Watsona Weryfikowana hipoteza H 0 : cov(ε t, ε t 1 ) = 0 H 1 : cov(ε
Ekonometria 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