Mieczysław Kowerski. Program Polska-Białoruś-Ukraina narzędziem konwergencji gospodarczej województwa lubelskiego

Podobne dokumenty
Wykład 5: Statystyki opisowe (część 2)

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie

Statystyka opisowa. Wykład V. Regresja liniowa wieloraka

WYRÓWNYWANIE POZIOMU ROZWOJU POLSKI I UNII EUROPEJSKIEJ

Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych

Departament Koordynacji Polityki Strukturalnej. Fundusze unijne. a zróżnicowanie regionalne kraju. Warszawa, 27 marca 2008 r. 1

URZĄD STATYSTYCZNY W WARSZAWIE ul. 1 Sierpnia 21, Warszawa PRODUKT KRAJOWY BRUTTO W WOJEWÓDZTWIE MAZOWIECKIM W LATACH

Ocena potencjału gospodarczego w świetle wskaźników rozwoju gospodarczego

czerwiec 2013 Uwaga: Przy rozwiązywaniu zadań, jeśli to konieczne, należy przyjąć poziom istotności 0,1 i współczynnik ufności 0,90

Wprowadzenie do analizy korelacji i regresji

Konwergencja i nierówności na świecie. Modele neoklasyczne czy Ak? Zaawansowana makroekonomia Dr hab. Joanna Siwińska-Gorzelak

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

Wpływ polityki spójności na realną konwergencję wewnątrzregionalną w Polsce w latach

Sytuacja osób w wieku niemobilnym na lubelskim rynku pracy prognozy

Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych (X1, X2, X3,...) na zmienną zależną (Y).

Wzorce konwergencji regionalnej w Polsce

Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski

Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA

PRZEMIANY RUCHU NATURALNEGO LUDNOŚCI REGIONÓW PRZYGRANICZNYCH POLSKI, BIAŁORUSI I UKRAINY PO ROKU 2000

REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ. Analiza regresji i korelacji

Statystyka w pracy badawczej nauczyciela Wykład 3: Analiza struktury zbiorowości statystycznej. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.

t y x y'y x'x y'x x-x śr (x-x śr)^2

Urząd Statystyczny w Lublinie

KLASYFIKACJA KRAJÓW UNII EUROPEJSKIEJ A SZYBKOŚĆ ICH KONWERGENCJI DOCHODOWEJ

Raport o sytuacji finansowej przedsiębiorstw w województwie mazowieckim w 2015 r.

Rozdział 8. Regresja. Definiowanie modelu

Średnie. Średnie. Kinga Kolczyńska - Przybycień

Ekonomia rozwoju Konwergencja

Małgorzata Markowska, Uniwersytet Ekonomiczny we Wrocławiu KONWERGENCJA INNOWACYJNOŚCI W STOLICACH EUROPEJSKICH

Analiza współzależności zjawisk. dr Marta Kuc-Czarnecka

Etapy modelowania ekonometrycznego

Zmiany demograficzne i ich wpływ na przemiany społecznogospodarcze na przykładzie wybranych obszarów wzrostu i stagnacji

1 n. s x x x x. Podstawowe miary rozproszenia: Wariancja z populacji: Czasem stosuje się też inny wzór na wariancję z próby, tak policzy Excel:

Ekonometria. Zajęcia

Statystyka. Opisowa analiza zjawisk masowych

ANALIZA PORÓWNAWCZA KONIUNKTURY WOJEWÓDZTW POLSKI W LATACH

Analiza współzależności zjawisk

ANALIZA PORÓWNAWCZA KONIUNKTURY GOSPODARKI WOJEWÓDZTWA ŚLĄSKIEGO I GOSPODARKI POLSKI

166 Wstęp do statystyki matematycznej

Projekt Strategii Transgranicznej Województwa Lubelskiego, Obwodu Wołyńskiego, Obwodu Lwowskiego i Obwodu Brzeskiego.

Konwergencja w Polsce i w Europie

Migracje zarobkowe kobiet i mężczyzn na Lubelszczyźnie prognozy

na podstawie opracowania źródłowego pt.:

Statystyka opisowa. Literatura STATYSTYKA OPISOWA. Wprowadzenie. Wprowadzenie. Wprowadzenie. Plan. Tomasz Łukaszewski

Testowanie hipotez dla dwóch zmiennych zależnych. Moc testu. Minimalna liczność próby; Regresja prosta; Korelacja Pearsona;

Statystyka. Wykład 9. Magdalena Alama-Bućko. 24 kwietnia Magdalena Alama-Bućko Statystyka 24 kwietnia / 34

1. Analiza wskaźnikowa Wskaźniki szczegółowe Wskaźniki syntetyczne

Ekonometria. Dobór postaci analitycznej, transformacja liniowa i estymacja modelu KMNK. Paweł Cibis 9 marca 2007

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2

II ETAP - FINAŁ III PODKARPACKIEGO KONKURSU EDUKACYJNEGO MISTRZOWIE STATYSTYKI

OBLICZENIE PRZEPŁYWÓW MAKSYMALNYCH ROCZNYCH O OKREŚLONYM PRAWDOPODOBIEŃSTWIE PRZEWYŻSZENIA. z wykorzystaniem programu obliczeniowego Q maxp

1 Modele ADL - interpretacja współczynników

Produkt Krajowy Brutto. Rachunki Regionalne w 2013 roku

Statystyka matematyczna i ekonometria

Analiza dynamiki zjawisk STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 28 września 2018

Korelacja krzywoliniowa i współzależność cech niemierzalnych

Współczynnik korelacji. Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ

KORELACJE I REGRESJA LINIOWA

Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna

3. Wojewódzkie zróżnicowanie zatrudnienia w ochronie zdrowia w latach Opis danych statystycznych

Konwergencja gospodarcza w województwach Polski w latach

STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE

Własności statystyczne regresji liniowej. Wykład 4

Diagnoza stanu rozwoju regionu ze szczególnym uwzględnieniem subregionu ostrołęckiego

WYNAGRODZENIA W POLSCE NA TLE ZAROBKÓW W STANACH ZJEDNOCZONYCH

Regresja i Korelacja

Wykład 5: Analiza dynamiki szeregów czasowych

1. Opis tabelaryczny. 2. Graficzna prezentacja wyników. Do technik statystyki opisowej można zaliczyć:

Załóżmy, że obserwujemy nie jedną lecz dwie cechy, które oznaczymy symbolami X i Y. Wyniki obserwacji obu cech w i-tym obiekcie oznaczymy parą liczb

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada

MIARY KLASYCZNE Miary opisujące rozkład badanej cechy w zbiorowości, które obliczamy na podstawie wszystkich zaobserwowanych wartości cechy

7.4 Automatyczne stawianie prognoz

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 293, 2013

parametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających,

Dr Adam Wasilewski Dr Marcin Gospodarowicz Instytut Ekonomiki Rolnictwa i Gospodarki Żywnościowej Państwowy Instytut Badawczy.

Wykład 3: Statystyki opisowe - miary położenia, miary zmienności, miary asymetrii

ZJAZD 4. gdzie E(x) jest wartością oczekiwaną x

Zadanie 1. a) Przeprowadzono test RESET. Czy model ma poprawną formę funkcyjną? 1

Wewnątrzregionalne zróżnicowanie płac w Polsce

Spis treści 3 SPIS TREŚCI

Analiza współzależności dwóch cech I

Stanisław Cichocki. Natalia Neherebecka. Zajęcia 15-17

X Y 4,0 3,3 8,0 6,8 12,0 11,0 16,0 15,2 20,0 18,9

Stanisław Cichocki. Natalia Nehrebecka

ZESTAW 5 FUNKCJA PRODUKCJI. MODEL SOLOWA (Z ROZSZERZENIAMI)

Prognoza wzrostu PKB w województwach w latach

Przykład 2. Stopa bezrobocia

ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO ANALIZA ZBIEŻNOŚCI STRUKTUR ZATRUDNIENIA W WYBRANYCH KRAJACH WYSOKOROZWINIĘTYCH

Statystyka. Wykład 4. Magdalena Alama-Bućko. 13 marca Magdalena Alama-Bućko Statystyka 13 marca / 41

Analiza Współzależności

Ekonometria. Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych. Jakub Mućk. Katedra Ekonomii Ilościowej

Wielkość dziennego obrotu w tys. zł. (y) Liczba ekspedientek (x) ,5 6,6

KONWERGENCJA GOSPODARCZA NA POZIOMIE REGIONALNYM W WYBRANYCH GRUPACH PAŃSTW UNII EUROPEJSKIEJ W LATACH

Ćwiczenia IV

Statystyka opisowa Opracował: dr hab. Eugeniusz Gatnar, prof. WSBiF

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 2 - statystyka opisowa cd

Transkrypt:

Mieczysław Kowerski Wyższa Szkoła Zarządzania i Administracji w Zamościu Program Polska-Białoruś-Ukraina narzędziem konwergencji gospodarczej województwa lubelskiego The Cross-border Cooperation Programme Poland- Belorus-Ukraine as a tool of economic convergence of Lubelskie Voivodship

Polsko ukraiński obszar transgraniczny PKB per capita (lubelskie + podkarpackie) PKB per capita Polska = 70% PKB per capita (lwowski + wołyński) = 70% PKB per capita Ukraina

Podregiony NTS-3 w Programie Polska Białoruś Ukraina

Podział woj. lubelskiego na podregiony NUTS 3

Wybrane dane województwa lubelskiego i jego podregionów w 2013r. (o ile nie zaznaczono inaczej) Wyszczególnienie Podregion Województwo chełmskozamojski lubelskie bialski lubelski puławski Powierzchnia (tys. km 2 ) 25,1 6,0 9,3 4,2 5,6 Ludność (tys. osób) 2156,2 307,5 644,0 713,7 491,4 Gęstość zaludnienia (osób na km 2 ) 86 51 69 169 87 Stopa bezrobocia rejestrowanego (%) 14,4 16,9 16,2 11,9 14,2 Oferty pracy na 1000 bezrobotnych 8 6 3 15 10 Produkt krajowy brutto na 1 mieszkańca, Polska = 100 (%) (dane za rok 2012) Produkt krajowy brutto na 1 mieszkańca, województwo = 100 (%) (dane za rok 2012) Przeciętne miesięczne wynagrodzenie brutto (zł) Przeciętne miesięczne wynagrodzenie brutto, Polska = 100 (%) Podmioty gospodarcze wpisane do rejestru REGON na 10 tys. ludności Produkcja sprzedana przemysłu na 1 mieszkańca (tys. zł) (dane za rok 2012) 70,3 60,6 56,3 92,3 62,8 100,0 86,2 80,1 131,3 89,3 3488,61 3198,96 3130,9 3799,31 3236,43 90,0 82,5 80,7 98,0 83,5 787 683 701 963 710 13,0 6,7 6,1 20,3 15,5

Cel Ocena zmian zróżnicowania produktu krajowego brutto per capita w podzielonym na cztery podregiony województwie lubelskim od 1999 r. I określenie czy w tym czasie na terenie województwa występowała konwergencji czy też dywergencja wewnętrzna.

Konwergencja dywergencja regionów Konwergencja to zjawisko, które jest wynikiem wzrostu gospodarczego i oznaką zmniejszania dysproporcji w miernikach aktywności gospodarczej takich jak PKB per capita między regionami sigma-konwergencji polegającej na zmniejszeniu dyspersji (zróżnicowania) w poziomie rozwoju gospodarczego (PKB per capita) w różnych regionach, beta-konwergencji, gdy ubogie regiony rozwijają się szybciej niż bogate. Konwergencja beta występuje w dwóch wariantach: konwergencja bezwarunkowa (absolutna) zakłada, że regiony biedniejsze rozwijają się szybciej niż bogate, niezależnie od warunków początkowych poziomu rozwoju, przy czym wzrost ich realnego PKB na mieszkańca jest tym większy, im niższy jest początkowy poziom PKB per capita. Dzięki temu nadrabiane są zapóźnienia rozwojowe. konwergencja warunkowa występuje wtedy, gdy procesy zbieżności dotyczą grup regionów względnie jednorodnych. Następuje wówczas upodobnianie się regionów o zbliżonych parametrach dochodowych czy strukturalnych (np. średni poziom wykształcenia, struktura dochodu). Zjawiskiem przeciwnym jest dywergencja.

Weryfikacja hipotezy o występowaniu sigma-konwergencji Wymaga zdefiniowania miary dyspersji lub koncentracji badanego zjawiska. Można tutaj wykorzystać podstawowe miary statystyki opisowej takie jak: miary dyspersji: o dystans pomiędzy regionami o maksymalnej i minimalnej wartości cechy (D t ), o współczynnik zmienności (V t ), o odchylenie standardowe logarytmów (ls t ), o średnie odchylenie standardowe (V at ), które umożliwia uniknięcie podstawowej wady pierwszych trzech miar, jaką jest wrażliwość na obserwacje odstające miary koncentracji: o współczynnik Giniego, który jest unormowany na przedział od 0 (pełna równość badanej cechy) do 1 (pełna nierówność badanej cechy).

Weryfikacja hipotezy o beta-konwergencji absolutnej. Model przekrojowy Do weryfikacji hipotezy o beta-konwergencji stosuje się modele regresji. Najprostszą sytuację mamy gdy dysponujemy danymi przekrojowymi. Wtedy równanie regresji służące do weryfikacji hipotezy ma postać: ln PKB Ti PKB 0i = a + bln PKB 0i + ε i gdzie: PKB 0i PKB per capita w i-tym regionie w roku bazowym (0), PKB Ti PKB per capita w i-tym regionie w roku analizowanym (T). Aby zachodziło zjawisko konwergencji oszacowana wartość parametru b powinno być mniejsza od zera, w przeciwnym przypadku mamy do czynienia z dywergencją. Oszacowany model pozwala obliczyć współczynnik: ln 1 + b β = T który jest nazywany współczynnikiem prędkości konwergencji i przemnożony przez 100% informuje o średniorocznym tempie zbliżania się gospodarek badanych regionów.

Weryfikacja hipotezy o beta-konwergencji warunkowej. Model przekrojowy Oprócz początkowego poziomu zmiennej, tempo wzrostu zależy także od wielu innych czynników. Najczęściej są to różnorakie zmienne społeczno-gospodarcze, a ich uwzględnienie w modelach wzrostu prowadzi do weryfikacji hipotezy o konwergencji warunkowej. Wtedy równanie regresji służące do weryfikacji hipotezy ma postać: gdzie: ln PKB Ti PKB 0i = a + bln PKB 0i + c 1 X 1i + c 2 X 2i + c k X ki + ε i X j j = 1,2,3, k zmienne społeczno-gospodarcze wpływające na tempo wzrostu.

Weryfikacja hipotezy o beta-konwergencji warunkowej. Model panelowy Zastosowanie modeli konwergencji opartych na danych przekrojowych prowadzi do utraty informacji związanych ze zróżnicowaniem wzrostu gospodarczego gospodarek poszczególnych regionów i zmiennością opisujących go czynników w okresach pośrednich pomiędzy okresem bazowym (0) a okresem T. Pominięte zostają również nieobserwowalne cechy badanych regionów, które mogą mieć również wpływ na ich tempo wzrostu. Stąd też właściwsze jest zastosowanie modeli panelowych, umożliwiających uwzględnienie także tych nieobserwowalnych własności regionów [Modranka 2012, s. 64]. Model panelowy konwergencji warunkowej ma postać: ln PKB ti PKB t 1i = a i + a t + bln PKB t 1i + c 1 X 1ti + c 2 X 2ti + c k X kti + ε ti

Badania konwergencji województw w Polsce Autor Okres Wnioski Kusideł [2013a] 1995 2010 Dywergencja absolutna PKB per capita, z prędkością rozbieżności 1,6% rocznie. Dańska-Borsiak 2000 2007 Dywergencja warunkowa PKB per capita z [2011] prędkością rozbieżności 3,2% rocznie. Markowska- Przybyła [2010] 1999 2007 Dywergencja absolutna PKB per capita

Badania konwergencji na poziomie NTS-3 Herbst i Wójcik badali procesy konwergencji w latach 1995 2006 według poprzedniego podziału na 44 podregiony. W wyniku przeprowadzonych badań stwierdzono, że regionalne zróżnicowanie PKB na 1 mieszkańca w wieku produkcyjnym wzrosło w badanym okresie, co oznacza, że wystąpiła dywergencja (w sensie absolutnym) gospodarek podregionów. Mimo to można zaobserwować konwergencję warunkową, która występowała jedynie po włączeniu do modelu zmiennych zero-jedynkowych dla wielkości miasta centralnego, co sugeruje, że występowała ona jedynie między regionami z metropoliami o podobnej wielkości. Ale, poza Warszawą, nie stwierdzono istotnego efektu przestrzennego wywieranego przez metropolie na sąsiadujące podregiony [Herbst i Wójcik 2012, s. 198]. Obliczony na podstawie modeli warunkowych współczynnik rocznej prędkości konwergencji w całym analizowanym okresie znajdował się w przedziale od 4% do 5% (w zależności od modelu). Przy czym o ile w latach 1995 1998 w jednym z modeli przekroczył nawet 12%, a w latach 1998 2002 sięgał 6%, to w latach 2002 2006 był ujemny, co świadczyło o dywergencji [Herbst i Wójcik 2012, s. 190 194].

Relacja PKB per capita w województwie lubelskim i podregionach do średniej w kraju (PKB per capita w Polsce = 100)

Zmiany PKB per capita w podregionach na tle województwa lubelskiego i Polski w latach 1999 2012 (ceny stałe)

Od konwergencja do dywergencji Weryfikację hipotezy o występowaniu sigma konwergencji (dywergencji) przeprowadzono na podstawie analizy trendów liniowych i oceny istotności parametru kierunkowego w równaniach modelu trendu. Dla lat 2000 2007 uzyskano istotne statystycznie i ujemne parametry kierunkowe w równaniach trendu wskazuje to na występowanie w tym okresie sigma konwergencji. Dla lat 2008 2012 otrzymano istotne statystycznie i dodatnie parametry kierunkowe w równaniach trendu wskazuje to na występowanie w tym okresie sigma dywergencji. Ponadto zauważamy, że tempo oddalania się podregionów po roku 2007 było około dwa razy szybsze niż tempo zbliżania się w pierwszym okresie.

Trendy dla wskaźników rozproszenia i koncentracji z uwzględnieniem podziału badanego okresu

Wyniki estymacji modeli przekrojowych absolutnej beta konwergencji Rok bazowy (0) Rok analizowany (T) 2000 2012 Parametr b Poziom istotności b Współczynnik determinacji R 2 Dopasowany współczynnik determinacji R 2 Współczynnik β*100% 0,138 0,3082 0,4786 0,2179-1,07 2000 2007-0,137 0,0270 0,947 0,920 2,10 2007 2011 0,124 0,4182 0,339 0,008-2,92 2011 2012 0,168 0,0029 0,994 0,991-15,49 2007 2012 0,310 0,1777 0,676 0,514-5,40

Wnioski Program Polska Białoruś Ukraina to jedyny program, w którym kryterium udziału jest przynależność do wybranych podregionów poziomu NTS-3. Jak pokazały zaprezentowane wyniki badań przygraniczne podregiony poziomu NTS-3 na granicy polsko ukraińskiej ze względu na swoje peryferyjne położenie charakteryzują się znacznie niższym poziomem rozwoju gospodarczego niż inne regiony Polski i zanotowały pod koniec pierwszej dekady XXI wieku dywergencję. Realizowane w ramach programu Polska Białoruś Ukraina projekty, zwłaszcza inwestycje infrastrukturalne, mogą się przyczynić do przyspieszenia rozwoju polskich obszarów przygranicznych, ale także sprzyjać dynamizacji współpracy gospodarczej Polski i Ukrainy.