Temat: Principal component - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: A comparative analysis of the principal component method and parallel analysis in working with official statistical data
Autorzy:: Holubova, Halyna
Powiązania:: https://bibliotekanauki.pl/articles/10559806.pdf
Data publikacji:: 2023-02-24
Wydawca:: Główny Urząd Statystyczny
Tematy:: principal components
principal component analysis
factor analysis
Kaiser criterion
рarallel analysis
simulation
Opis:: The dynamic development of the digitized society generates large-scale information data flows. Therefore, data need to be compressed in a way allowing its content to remain complete and informative. In order for the above to be achieved, it is advisable to use the principal component method whose main task is to reduce the dimension of multidimensional space with a minimal loss of information. The article describes the basic conceptual approaches to the definition of principle components. Moreover, the methodological principles of selecting the main components are presented. Among the many ways to select principle components, the easiest way is selecting the first k-number of components with the largest eigenvalues or to determine the percentage of the total variance explained by each component. Many statistical data packages often use the Kaiser method for this purpose. However, this method fails to take into account the fact that when dealing with random data (noise), it is possible to identify components with eigenvalues greater than one, or in other words, to select redundant components. We conclude that when selecting the main components, the classical mechanisms should be used with caution. The Parallel analysis method uses multiple data simulations to overcome the problem of random errors. This method assumes that the components of real data must have greater eigenvalues than the parallel components derived from simulated data which have the same sample size and design, variance and number of variables. A comparative analysis of the eigenvalues was performed by means of two methods: the Kaiser criterion and the parallel Horn analysis on the example of several data sets. The study shows that the method of parallel analysis produces more valid results with actual data sets. We believe that the main advantage of Parallel analysis is its ability to model the process of selecting the required number of main components by determining the point at which they cannot be distinguished from those generated by simulated noise.
Źródło:: Statistics in Transition new series; 2023, 24, 1; 199-212
1234-7655
Pojawia się w:: Statistics in Transition new series
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Mierzenie ryzyka stóp procentowych: przypadek rynku międzybankowego w Polsce
Interest rate risk measurement: the Polish interbank market case
Autorzy:: Olsza, Paweł
Powiązania:: https://bibliotekanauki.pl/articles/422739.pdf
Data publikacji:: 2012
Wydawca:: Główny Urząd Statystyczny
Tematy:: zabezpieczenie
analiza głównych składowych
ryzyko stóp procentowych
hedging
principal component analysis
interest rate risk
Opis:: W artykule przedstawiony został przykład zastosowania różnych podejść do pomiaru ryzyka stóp procentowych. Analizy empiryczne zaprezentowane w artykule przeprowadzono z wykorzystaniem danych z polskiego rynku międzybankowego za okres od 5 września 2000 roku do 19 listopada 2010 roku. Zaprezentowano narzędzia pomiaru ryzyka stóp procentowych, bazujące na wartościach wektorów własnych odpowiadających poszczególnym głównym składowym. Miary te, poprzez nadanie stosownej interpretacji ekonomicznej poszczególnych głównych składowych, mogą mieć także zastosowanie w analizie wrażliwości portfela instrumentów dłużnych na określone ruchy krzywej terminowej stóp procentowych. W artykule omówiono także kwestię odpowiedniego doboru oraz możliwego wpływu zakresu wykorzystywanych danych rynkowych na wartości oraz stabilność oszacowań wektorów własnych uzyskiwanych z użyciem analizy głównych składowych. W celu sprawdzenia efektywności pomiaru ryzyka stopy procentowej z wykorzystaniem analizy głównych składowych dokonano pomiaru skuteczności trzech różnych strategii zabezpieczających, pierwszej utworzonej na podstawie wskazań miar wrażliwości analizowanego portfela na zmiany poszczególnych głównych składowych, drugiej bazującej na miarach duracji efektywnej, wypukłości efektywnej oraz BPV oraz przy założeniu braku zabezpieczenia. Uzyskane wyniki nie wykazały znaczących różnic w stopniu zabezpieczenia portfela w przypadku strategii zabezpieczających wykorzystujących główne składowe oraz miary duracji efektywnej, wypukłości efektywnej oraz BPV.
The article presents an example of the application of different approaches to the measurement of interest rate risk. Empirical analysis described in the article was carried out using data from the Polish interbank market for the period from September 5th, 2000 to November 19th, 2010. Interest rate risk measurement techniques using principal component analysis (PCA) are presented in the article. These techniques, by giving appropriate economic interpretation of each principal component, can also be used in the sensitivity analysis of the portfolio of debt securities to specific interest rate curve movements. The article also discusses the issue of the appropriate selection of scope and range of market data used in the analysis and its possible impact on values and stability of eigenvectors obtained using PCA. Three different hedging strategies were tested in order to check the effectiveness of interest rate risk measurement using PCA, the first based on PCA, the other based on the measures of effective duration, effective convexity, and BPV, the last considered strategy assumed no hedging at all. The results showed no significant differences in the degree of portfolio value protection in case of hedging strategy using PCA and the one based on the measures of effective duration, effective convexity, and BPV.
Źródło:: Przegląd Statystyczny; 2012, 59, 4; 434-454
0033-2372
Pojawia się w:: Przegląd Statystyczny
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Główne składowe rozwoju inteligentnego Polski
Principal components of the smart development of Poland
Autorzy:: Rozmus, Dorota
Trzęsiok, Joanna
Powiązania:: https://bibliotekanauki.pl/articles/542528.pdf
Data publikacji:: 2018-05-28
Wydawca:: Główny Urząd Statystyczny
Tematy:: polityka spójności
rozwój inteligentny
metoda głównych składowych
cohesion policy
smart development
principal component analysis
Opis:: W systemie STRATEG, utworzonym przez GUS na potrzeby monitorowania polityki spójności, zgromadzono ponad 300 wskaźników do pomiaru rozwoju inteligentnego. Z uwagi na dużą liczbę zmiennych zasadne wydaje się zbadanie możliwości konstrukcji wskaźników syntetycznych jak najlepiej reprezentujących zmienne pierwotne. Celem badania, które przeprowadzono na podstawie danych z baz STRATEG i BDL za 2015 r., jest wskazanie — dzięki zastosowaniu analizy czynnikowej — głównych składowych rozwoju inteligentnego w Polsce, informujących o najważniejszych obszarach charakteryzowanych przez wskaźniki rozwoju inteligentnego. W efekcie uzyskano siedem głównych składowych, łącznie wyjaśniających ponad 94% wariancji pierwotnego zbioru wskaźników, dla których zaproponowano merytoryczną interpretację.
The STRATEG system created by Statistics Poland for monitoring cohesion policy, contains more than 300 indicators for measuring smart development. Due to a large number of variables, it seems appropriate to examine the possibility of constructing synthetic indicators that best represent the primary variables. The aim of this study, which was conducted on the basis of data for 2015 from the STRATEG and BDL databases, is to identify, owing to the use of factor analysis, the main components of smart development in Poland, informing about the most important areas characterised by the indicators of smart development. As a result 7 main components were obtained, which together account for more than 94% of variance from the original set of indicators and for which a substantive interpretation was proposed.
Źródło:: Wiadomości Statystyczne. The Polish Statistician; 2018, 63, 5; 25-36
0043-518X
Pojawia się w:: Wiadomości Statystyczne. The Polish Statistician
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 4.

Tytuł:: Principal components of innovation performance in European Union countries
Główne składowe innowacyjności w krajach Unii Europejskiej
Autorzy:: Kleszcz, Agnieszka
Powiązania:: https://bibliotekanauki.pl/articles/1813754.pdf
Data publikacji:: 2021-08-31
Wydawca:: Główny Urząd Statystyczny
Tematy:: innovation
European Innovation Scoreboard
EIS
principal component analysis
PCA
innowacje
Europejski Ranking Innowacyjności
analiza głównych składowych
Opis:: Innovation is one of the main determinants of economic development. Innovative activity is very complex, thus difficult to measure. The complexity of the phenomenon poses a great challenge for researchers to understand its determinants. The article focuses on the problem of innovation-related geographical disparities among European Union countries. Moreover, it analyses the principal components of innovation determined on the basis of the European Innovation Scoreboard (EIS) dimensions. The aim of the paper is to identify the principal components of the innovation index which differentiate countries by analysing the structure of the correlation between its components. All calculations were based on indicators included in the EIS 2020 Database, containing data from the years 2012–2019. A comparative analysis of the studied countries’ innovation performance was carried out, based on the principal component analysis (PCA) method, with the purpose of finding the uncorrelated principal components of innovation which differentiate the studied countries. The results were achieved by reducing a 10-dimensional data set to a 2-dimensional one, for a simpler interpretation. The first principal component (PC1) consisted of the human resources, attractive research systems, and finance and support dimensions (understood as academia and finance). The second principal component (PC2), involving the employment impacts and linkages dimensions, was interpreted as business-related. PC1 and PC2 jointly explained 68% of the observed variance, and similar results were obtained for the 27 detailed indicators outlined in the EIS. We can therefore assume that we have an accurate representation of the information contained in the EIS data, which allows for an alternative assessment and ranking of innovation performance. The proposed simplified index, described in a 2-dimensional space, based on PC1 and PC2, makes it possible to group countries in a new way, according to their level of innovation, which offers a wide range of application, e.g. PC1 captures geographic disparities in innovation corresponding to the division between the old and new EU member states.
Innowacyjność należy do głównych wyznaczników rozwoju gospodarczego. Działalność innowacyjna jest bardzo złożona, a przez to trudna do zmierzenia. Dużym wyzwaniem dla badaczy jest także poznanie uwarunkowań tego zjawiska. W artykule skupiono się na problemie zróżnicowania terytorialnego innowacyjności wśród krajów Unii Europejskiej, a także a Uniwersytet Jana Kochanowskiego w Kielcach, Wydział Nauk Ścisłych i Przyrodniczych, Instytut Geografii i Nauk o Środowisku, Polska / Jan Kochanowski University of Kielce, Faculty of Natural Sciences, Institute of Geography and Environmental Sciences, Poland. ORCID: https://orcid.org/0000-0002-0450-5247. E-mail: agakleszcz87@gmail.com. © Główny Urząd Statystyczny A. KLESZCZ Principal components of innovation performance in European Union countries 25 na analizie głównych składowych innowacyjności wyznaczonych przy wykorzystaniu wskaźników uwzględnianych w Europejskim Rankingu Innowacyjności (European Innovation Scoreboard – EIS). Celem badania omawianego w artykule jest identyfikacja głównych składowych innowacyjności różnicujących kraje na podstawie analizy struktury korelacji. Obliczenia oparto na wskaźnikach zawartych w bazie EIS 2020, obejmujących 2012–2019. Przeprowadzono analizę porównawczą krajów pod kątem wydajności innowacyjnej przy użyciu metody analizy głównych składowych (PCA), aby znaleźć nieskorelowane główne składowe innowacji różnicujące kraje. Wyniki uzyskano dzięki zredukowaniu 10-wymiarowego zestawu danych do zestawu 2-wymiarowego, łatwiejszego do interpretacji. Pozwoliło to wyróżnić pierwszą główną składową (PC1) zawierającą zasoby ludzkie, atrakcyjne systemy badawcze, finanse i wsparcie rozumiane jako środowisko akademickie i finanse. Druga główna składowa (PC2), obejmująca wpływ na zatrudnienie i sieć powiązań, jest interpretowana jako związana z biznesem. Składowe PC1 i PC2 wyjaśniły łącznie 68% wariancji; podobne wyniki uzyskano dla zestawu 27 szczegółowych wskaźników uwzględnianych w EIS. Można zatem uznać, że daje to dokładną reprezentację danych EIS, która zapewnia alternatywną ocenę i ranking wyników w zakresie innowacji. Zaproponowany uproszczony indeks innowacyjności, opisany w przestrzeni dwuwymiarowej, opierający się na PC1 i PC2, umożliwia nowy sposób grupowania krajów i może mieć szerokie zastosowanie, np. PC1 przedstawia geograficzne zróżnicowanie innowacji odpowiadające podziałowi na kraje członkowskie starej i nowej Unii.
Źródło:: Wiadomości Statystyczne. The Polish Statistician; 2021, 66, 8; 24-45
0043-518X
Pojawia się w:: Wiadomości Statystyczne. The Polish Statistician
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 5.

Tytuł:: Zróżnicowanie wykorzystania technologii informacyjno-komunikacyjnych w krajach Unii Europejskiej
Diversity in the use of information and communication technologies among European Union countries
Autorzy:: Wojnar, Jolanta
Powiązania:: https://bibliotekanauki.pl/articles/1046656.pdf
Data publikacji:: 2020-08-31
Wydawca:: Główny Urząd Statystyczny
Tematy:: analiza składowych głównych
metoda k-średnich
technologie informacyjno-komunikacyjne
ICT
principal component analysis
k-means method
information and communication
technologies
Opis:: Celem badania omawianego w artykule jest ocena zróżnicowania krajów Unii Europejskiej pod względem stopnia wykorzystania technologii informacyjno-komunikacyjnych (ICT). Do analizy wybrano 15 wskaźników opisujących wykorzystanie ICT przez osoby fizyczne i gospodarstwa domowe. Dane pochodziły ze sprawozdań Głównego Urzędu Statystycznego oraz bazy Eurostatu i dotyczyły 2017 r. W analizie zróżnicowania zastosowano metodę analizy składowych głównych. Wykonano także analizę skupień za pomocą metody k-średnich. Z badania wynika, że liderami w dziedzinie wykorzystania ICT są kraje skandynawskie i kraje Beneluksu. Wśród najniżej ocenionych znajdują się kraje południowej i południowo-wschodniej Europy oraz Polska.
The aim of the research discussed in the article is to assess the diversity among European Union countries in terms of the use of information and communication technologies (ICT). Fifteen indicators describing the use of ICT by natural persons and households were selected for the analysis. The data were obtained from Statistics Poland reports and from the Eurostat database for the year 2017. The method of principal components analysis was applied in the process of analysing the diversity. Moreover, a cluster analysis based on the k-means method was performed. The analysis demonstrates that Scandinavian and Benelux countries are the leaders in using ICT, while countries of southern and south-eastern Europe as well as Poland are the lowest rated.
Źródło:: Wiadomości Statystyczne. The Polish Statistician; 2020, 65, 8; 39-56
0043-518X
Pojawia się w:: Wiadomości Statystyczne. The Polish Statistician
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 6.

Tytuł:: Struktura terminowa stóp procentowych w Polsce – estymacja i identyfikacja kształtujących ją czynników
Term structure of interest rates in Poland – estimation and identification of the factors determining its shape
Autorzy:: Kiedrowska, Agnieszka
Powiązania:: https://bibliotekanauki.pl/articles/422653.pdf
Data publikacji:: 2013
Wydawca:: Główny Urząd Statystyczny
Tematy:: stopa procentowa
struktura terminowa stóp procentowych
krzywa dochodowości
krzywe sklejane trzeciego stopnia
analiza głównych składowych
interest rate
term structure of interest rates
yield curve
cubic splines
principal component analysis
Opis:: Celem artykułu była estymacja struktury terminowej stóp procentowych w Polsce oraz identyfikacja czynników wpływających na jej kształt, co jest niezbędne dla efektywnego zarządzania ryzykiem stóp procentowych. Przeprowadzona aproksymacja krzywej dochodowości wykazała znaczną segmentację rynku dłużnych papierów wartościowych na rynki instrumentów krótko- i długoterminowych. Analiza głównych składowych struktury terminowej stóp procentowych pozwoliła na wyodrębnienie czynników ryzyka. Uzyskane wyniki wykazały, że do wyjaśnienia zmienności struktury terminowej stóp procentowych w Polsce wystarczą trzy główne składowe, związane z wysokością, nachyleniem i krzywizną krzywej dochodowości, których wartości potwierdzają zaobserwowaną segmentację rynku.
The aim of the article was to estimate the term structure of interest rates in Poland, as well as to identify factors affecting its shape, which is essential in effective interest rate risk management. The approximation of the yield curve presented in the article shows a significant segmentation of the debt securities market into markets of short-term and long-term instruments. The principal component analysis of the term structure of interest rates made it possible to separate out risk factors. The results obtained indicate that the volatility of the term structure of interest rates in Poland can be explained by only three principal components related to the level, the steepness and the curvature of the yield curve, which values confirm the observed market segmentation.
Źródło:: Przegląd Statystyczny; 2013, 60, 1; 21-38
0033-2372
Pojawia się w:: Przegląd Statystyczny
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 7.

Tytuł:: Zależności pomiędzy stopami procentowymi rynku międzybankowego w Polsce
Interdependences between interest rates on the Polish interbank market
Autorzy:: Kliber, Agata
Kliber, Paweł
Płuciennik, Piotr
Powiązania:: https://bibliotekanauki.pl/articles/422764.pdf
Data publikacji:: 2012
Wydawca:: Główny Urząd Statystyczny
Tematy:: analiza głównych składowych
funkcja odpowiedzi na impuls
wielowymiarowe modele zmienności warunkowej
struktura terminowa
principal component analysis
impulse response function
multidimensional models of conditional variance
term structure of interest rates
Opis:: W artykule badamy kierunki przenoszenia się zmienności pomiędzy stawką POLONIA oraz stopami procentowymi rynku międzybankowego o dłuższym czasie zapadalności. Szczególny nacisk został położony na określenie siły impulsów wysyłanych przez stawkę POLONIA oraz stopę WIBOR SW. Ta pierwsza jest stopą kontrolowaną przez Narodowy Bank Polski począwszy od 2008 roku, natomiast na druga była nią wcześniej. Ponieważ warunkowa zmienność stóp procentowych jest nieobserwowalna, a brak dostępności danych śróddziennych uniemożliwia szacowania zmienności zrealizowanej, wyznaczamy zmienność warunkową wykorzystując w tym celu wprowadzony przez Van der Weide (2002) model GO-GARCH. Do identyfikacji impulsów w szeregach wariancji warunkowej wykorzystaliśmy model VAR.
In the article we verify the direction of impulse response between volatility of POLONIA rate and interbank interest rates. The authors concentrate especially on the power of POLONIA and WIBOR SW volatility impulses. POLONIA rate is controlled by Polish Central Bank since the beginning of 2008. As the conditional volatility of interest rates is unobservable, and the absence of intraday quotations prevent from estimation of realized volatility, we determine volatility using the GO-GARCH model introduced by Van der Weide (2002). To identify impulses in variance series we use VAR model.
Źródło:: Przegląd Statystyczny; 2012, 59, 2; 149-162
0033-2372
Pojawia się w:: Przegląd Statystyczny
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 8.

Tytuł:: Principal component analysis of older people registered as unemployed in public employment offices
Analiza głównych składowych populacji osób starszych zarejestrowanych w powiatowych urzędach pracy jako bezrobotni
Autorzy:: Bolesta, Karolina
Powiązania:: https://bibliotekanauki.pl/articles/2176597.pdf
Data publikacji:: 2023-01-31
Wydawca:: Główny Urząd Statystyczny
Tematy:: pensioners
disability pensioners
retirement age
pre-retirement benefit
unemployed
professional deactivation
principal component analysis
PCA
Kaiser-Meyer-Olkin measure
Bartlett's test of sphericity
emeryci
renciści
wiek emerytalny
świadczenie przedemerytalne
bezrobotni
dezaktywizacja zawodowa
analiza głównych składowych
współczynnik Kaisera-Meyera-Olkina
test sferyczności Bartletta
Opis:: The determinants of registering as an unemployed person in the public employment office may be of both a socio-demographic and legal character. Although every individual has their own motivation to register as unemployed, it is still possible to analyse the phenomenon on a group level. The purpose of this study is to show the similarities and differences of older people registering as unemployed and to identify the factors that were key to professional deactivation. The research is based on data from the Polish Central Analytical and Reporting System concerning 1,276,555 people born in the years 1940–1965, who were at least once registered as unemployed in a public employment office. The study uses principal component analysis (PCA) to identify the factors which influence to the largest extent the decision to deactivate professionally. The Kaiser-Meyer-Olkin measure of sampling adequacy and Bartlett’s test of sphericity proved the feasibility of the PCA. The number of principal components was determined on the basis of Kaiser’s criterion. The varimax factor rotation was applied to simplify the relation between the variables and to enhance the interpretation of the obtained results. The analysis included five groups: pensioners, disability pensioners, people who reached retirement age, people who received pre-retirement benefits and the total population. For each group three to four components were identified which combined different variables. Education and occupation in the last place of work formed the only common component for the five groups which influences the most critical decisions in the labour market. This component demonstrates the level of competence and may determine the moment of professional deactivation. The research shows that economic mechanisms are more important than legal conditions in all the analysed groups.
Czynniki decydujące o zarejestrowaniu się w urzędzie pracy jako osoba bezrobotna mogą mieć charakter społeczno-demograficzny lub prawny. Podjęcie takiej decyzji jest kwestią indywidualną, niemniej jednak można przeanalizować to zjawisko na poziomie grupy. Celem badania omawianego w artykule jest wykazanie podobieństw i różnic osób rejestrujących się jako bezrobotni oraz identyfikacja czynników, które mają największe znaczenie dla dezaktywizacji zawodowej. W badaniu wykorzystano dane z Centralnego Systemu AnalitycznoRaportowego dotyczące 1 276 555 osób urodzonych pomiędzy 1940 r. a 1965 r., które co najmniej raz były zarejestrowane w powiatowym urzędzie pracy jako bezrobotni. W celu identyfikacji komponentów najsilniej wpływających na decyzję o dezaktywizacji zawodowej przeprowadzono analizę głównych składowych (ang. principal component analysis – PCA). Wyniki pomiaru adekwatności Kaisera-Meyera-Olkina oraz testu sferyczności Bartletta potwierdziły słuszność zastosowania tej analizy. Na podstawie kryterium Kaisera określono liczbę głównych składowych. Przeprowadzono rotację czynników varimax, aby uprościć relację między zmiennymi i lepiej zinterpretować uzyskane wyniki. Analiza dotyczyła pięciu grup: emerytów, rencistów, osób, które osiągnęły wiek emerytalny, osób, które pobierały świadczenie przedemerytalne, oraz całej populacji. Dla każdego zbioru danych zidentyfikowano od trzech do czterech składowych łączących różne zmienne. We wszystkich grupach stwierdzono jeden wspólny komponent – łączący wykształcenie i zawód wykonywany w ostatnim miejscu pracy – który wpływa na podejmowanie kluczowych decyzji na rynku pracy. Obrazuje on kompetencje pracowników i może determinować moment dezaktywizacji zawodowej. Wyniki badania wskazują na większe znaczenie mechanizmu ekonomicznego niż uwarunkowań prawnych we wszystkich analizowanych grupach.
Źródło:: Wiadomości Statystyczne. The Polish Statistician; 2023, 68, 1; 23-38
0043-518X
Pojawia się w:: Wiadomości Statystyczne. The Polish Statistician
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "Principal component" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język