Nasze serwisy używają informacji zapisanych w plikach cookies. Korzystając z serwisu wyrażasz zgodę na używanie plików cookies zgodnie z aktualnymi ustawieniami przeglądarki, które możesz zmienić w dowolnej chwili. Więcej informacji odnośnie plików cookies.

Obowiązek informacyjny wynikający z Ustawy z dnia 16 listopada 2012 r. o zmianie ustawy – Prawo telekomunikacyjne oraz niektórych innych ustaw.

Wyłącz komunikat

 
 

Logowanie

Logowanie za pomocą Centralnej Usługi Uwierzytelniania PRz. Po zakończeniu pracy nie zapomnij zamknąć przeglądarki.

Humanities and Social Sciences (dawna nazwa: Ekonomia i Nauki Humanistyczne)

Humanities and Social Sciences
(dawna nazwa: Ekonomia i Nauki Humanistyczne)
25 (2/2018), DOI: 10.7862/rz.2018.hss.32

Analiza poziomu rozwoju społeczno-gospodarczego województw Polski z uwzględnieniem dokładności danych statystycznych

Małgorzata STEC
Dodany przez: Paweł Perz

DOI: 10.7862/rz.2018.hss.32

Streszczenie

Artykuł prezentuje rezultaty badań dotyczące oceny poziomu rozwoju społeczno-gospodarczego województw Polski w wybranych aspektach tego rozwoju. Badaniami objęto lata 2005–2016. Porządkowania liniowego województw Polski dokonano za pomocą metody unitaryzacji zerowanej.

W pracy zwrócono uwagę także na ważny, lecz pomijany problem związany z dokładnością wykorzystywanych w badaniach danych statystycznych oraz oceną ich wpływu na obliczaną wartość miernika syntetycznego. Pozyskanie każdej wielkości statystycznej jest związane
z większym lub mniejszym błędem wynikającym ze sposobu pomiaru takiej wielkości.

W naukach technicznych problem oceny dokładności wyników pomiarów został rozwiązany już w 1993 roku. Elementami wyniku pochodzącego z pomiarów są: wartość zmierzona oraz przedział niepewności wokół tej wielkości. Dokładność informacji statystycznej może być także utożsamiana z błędem bądź niepewnością pomiaru. Niepewność pomiaru jest zdefiniowana jako parametr związany z wynikiem pomiaru charakteryzujący rozrzut wartości, które można w uzasadniony sposób przypisać wielkości mierzonej. Takie podejście pozwala na wyznaczenie granic przedziału, który przy założonym prawdopodobieństwie zawiera nieznaną wartość prawdziwą mierzonej wielkości. Liczbową miarą niepewności pomiaru jest odchylenie standardowe.

W artykule przeprowadzono ocenę wpływu niepewności pomiaru zmiennych diagnostycznych na wartości miary syntetycznej. W tym celu zaproponowano sposób postępowania wykorzystujący metodę Monte Carlo. Uzyskane wyniki potwierdzają, że dokładność danych statystycznych może mieć wpływ na wyniki porządkowania liniowego województw Polski.

Pełny tekst (pdf)

Literatura

  1. Domański C., Pruska K., Nieklasyczne metody statystyczne, PWE, Warszawa 2000.
  2. Grabiński T., Analiza taksonometryczna krajów Europy w ujęciu regionów, Wydawnictwo AE w Krakowie, Kraków 2003.
  3. Guide to the Expression of Uncertainty in Measurement, ISO/IEC/OIML/BIPM, International Organization for Standardization 1993, 1995.
  4. International Vocabulary of Metrology-Basic and General Concepts and Associated Terms, JCGM 2012.
  5. Kompendium wiedzy z jakości w statystyce publicznej, Urząd Statystyczny w Łodzi, Ośrodek Statystyki Matematycznej przy współpracy z Departamentem Metodologii, Standardów i Rejestrów GUS, Warszawa 2012.
  6. Kordos J., Dokładność danych w badaniach społecznych, Biblioteka Wiadomości Statystycznych, t. 35, 1987.
  7. Kordos J., Jakość danych statystycznych, PWE, Warszawa 1988.
  8. Kukuła K., Budowa rankingu województw ze względu na wyposażenie techniczne rolnictwa w Polsce, „Wiadomości Statystyczne” 2014, nr 7.
  9. Stec M., Taksonomiczna analiza poziomu rozwoju społeczno-gospodarczego województw Polski. Studium przypadku-województwo podkarpackie, Wydawnictwo Uniwersytetu Rzeszowskiego, Rzeszów 2017.
  10. Turzeniecka D., Ocena niepewności wyniku pomiarów, Wydawnictwo Politechniki Poznańskiej, Poznań 1997.

Podsumowanie

TYTUŁ:
Analiza poziomu rozwoju społeczno-gospodarczego województw Polski z uwzględnieniem dokładności danych statystycznych

AUTORZY:
Małgorzata STEC

AFILIACJE AUTORÓW:
Wydział Ekonomii, Uniwersytet Rzeszowski

DODANY PRZEZ:
Paweł Perz

WYDAWNICTWO:
Humanities and Social Sciences
25 (2/2018)

SŁOWA KLUCZOWE:
województwa Polski, miara syntetyczna, metoda unitaryzacji zerowanej, metoda Monte Carlo

PEŁNY TEKST:
http://doi.prz.edu.pl/pl/pdf/einh/400

DOI:
10.7862/rz.2018.hss.32

URL:
http://dx.doi.org/10.7862/rz.2018.hss.32

PRAWA AUTORSKIE:
Oficyna Wydawnicza Politechniki Rzeszowskiej, al. Powstańców Warszawy 12, 35-959 Rzeszów

POLITECHNIKA RZESZOWSKA im. Ignacego Łukasiewicza; al. Powstańców Warszawy 12, 35-959 Rzeszów
tel.: +48 17 865 11 00, fax.: +48 17 854 12 60
Administrator serwisu: