Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "pca" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    A Kernel Version of Functional Principal Component Analysis
    Autorzy:
    Górecki, Tomasz
    Krzyśko, Mirosław
    Powiązania:
    https://bibliotekanauki.pl/articles/465977.pdf
    Data publikacji:
    2012
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    PCA
    FPCA
    kernel version of FPCA
    Opis:
    In this paper a new construction of functional principal components (FPCA) is proposed, based on principal components for vector data. A kernel version of FPCA is also presented. The quality of the two described methods was tested on 20 different data sets.
    Źródło:
    Statistics in Transition new series; 2012, 13, 3; 559-668
    1234-7655
    Pojawia się w:
    Statistics in Transition new series
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Elimination of characteristics concerning the performance of open-ended equity funds using PCA
    Autorzy:
    Żebrowska-Suchodolska, Dorota
    Powiązania:
    https://bibliotekanauki.pl/articles/19931878.pdf
    Data publikacji:
    2023-09-08
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    PCA
    investment funds
    decision-making
    tau-Kendall correlation coefficient
    investment efficiency
    Opis:
    From an investor's point of view, the appropriate selection of a fund is an important issue. When making such a choice, many elements should be considered. These include not only the fund's rate of return or its risk, but also the comparison of the fund's results with an appropriate benchmark. The aim of the research was to apply principal component analysis (PCA) to reduce the dimension of the indicators that help the investor in selecting a fund. The subject of the study was 15 equity funds that had been on the Polish market for many years. The research showed that it is possible to reduce the primary variables to two dimensions.
    Źródło:
    Statistics in Transition new series; 2023, 24, 4; 153-168
    1234-7655
    Pojawia się w:
    Statistics in Transition new series
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    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
    Tytuł:
    Wielowymiarowa analiza statystyczna motywów podejmowania bezpośrednich inwestycji zagranicznych przez polskie firmy
    Multivariate Statistical Analysis of the FDI Motivations of Polish Companies
    Autorzy:
    Salamaga, Marcin
    Powiązania:
    https://bibliotekanauki.pl/articles/1364899.pdf
    Data publikacji:
    2015-12-31
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    BIZ
    badanie ankietowe
    analiza głównych składowych
    analiza skupień
    analiza dyskryminacyjna
    FDI
    survey
    PCA
    cluster analysis
    discriminant analysi
    Opis:
    Celem artykułu jest identyfikacja i hierarchizacja czynników decydujących o wyborze destynacji polskich bezpośrednich inwestycji zagranicznych, a także segmentacja polskich przedsiębiorstw podejmujących BIZ. Przedmiotem badania są czynniki o charakterze kosztowym, rynkowym, efektywnościowym, prawnym i społeczno-politycznym, które mogą mieć znaczenie przy poszukiwaniu beneficjentów BIZ. W artykule posłużono się danymi pochodzącymi z badania ankietowego przeprowadzonego wśród polskich przedsiębiorstw podejmujących BIZ lub planujących tę formę inwestowania. W badaniach zastosowano m.in. analizę głównych składowych, analizę skupień i analizę dyskryminacyjną. W efekcie uzyskano profile przedsiębiorstw o zbliżonej polityce inwestycyjnej w zakresie priorytetów uwzględnianych przy decyzji o uruchomieniu BIZ. W badaniu wykazano m.in., że najważniejsze przy wyborze destynacji BIZ przez polskie przedsiębiorstwa były czynniki kosztowe i rynkowe, a największy wyodrębniony segment przedsiębiorstw obejmował firmy, dla których wiodącym motywem eksportu BIZ jest optymalizacja podatkowa.
    The purpose of this article is to identify and to rank the main factors determining the choice of Polish foreign direct investment (FDI). The research includes the cost factors, market factors, efficiency factors, law factors, social-political factors, which may be important in the search for the beneficiaries of FDI. In the analysis was used data from a survey conducted among companies investing in FDI or planning this form of investing. In the research there are used PCA analysis, Ward’s method, k-means method, discriminant analysis. The result is the creation of companies profiles which have similar investment policy in terms of priorities of the choice of investment destination. The study showed that for polish enterprises choosing a destination of FDI the most important were the cost factors and market factors, and the largest companies segment included enterprises, for which the main motivation of the FDI export was tax optimization.
    Źródło:
    Przegląd Statystyczny; 2015, 62, 4; 415-433
    0033-2372
    Pojawia się w:
    Przegląd Statystyczny
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    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
      Wyświetlanie 1-5 z 5

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies