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 "GWR" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Społeczno-ekonomiczne i przestrzenne uwarunkowania popytu na nowe samochody w Polsce
    Socio-economic and spatial determinants of the demand for new cars in Poland
    Autorzy:
    Kudłak, Robert
    Kisiała, Wojciech
    Gadziński, Jędrzej
    Dyba, Wojciech
    Kołsut, Bartłomiej
    Stryjakiewicz, Tadeusz
    Powiązania:
    https://bibliotekanauki.pl/articles/414720.pdf
    Data publikacji:
    2017
    Wydawca:
    Uniwersytet Warszawski. Instytut Ameryk i Europy. Centrum Europejskich Studiów Regionalnych i Lokalnych (EUROREG)
    Tematy:
    rynek samochodowy
    społeczno-ekonomiczne uwarunkowania popytu
    modelowanie ekonometryczne
    GWR
    Polska
    car market
    socio-economic conditions
    econometric analysis
    geographically weighted regression
    Polska
    Opis:
    Celem artykułu jest identyfikacja oraz analiza przestrzennego zróżnicowania uwarunkowań społeczno-ekonomicznych kształtujących popyt na rynku samochodowym wśród klientów indywidualnych. W postępowaniu badawczym zmierzającym do realizacji założonego celu wykorzystano metody i modele ekonometrii przestrzennej. Zakresem przestrzennym objęto Polskę w układzie powiatów, a zakres czasowy wyznaczają lata 2010–2015. Wyniki badania dowiodły, że do pozacenowych czynników kształtujących popyt na nowe samochody w Polsce należy zaliczyć przede wszystkim poziom zamożności potencjalnych konsumentów. Uzupełniającą rolę odgrywały: sytuacja demograficzna, poziom rozwoju lokalnego oraz poziom zaspokojenia potrzeb motoryzacyjnych. Pogłębiona analiza w postaci geograficznie ważonej regresji (GWR) wykazała, że zidentyfikowane uwarunkowania wykazują zmienność przestrzenną, co może uzasadniać duże zróżnicowanie poziomu motoryzacji w Polsce.
    The article seeks to identify socio-economic conditions that affect the demand of individual consumers for cars and to analyze spatial differences in these conditions. To achieve this objective, econometric modelling is conducted. The analysis was conducted in all poviats in Poland and covered the years 2010-2015. The findings show that the demand for new cars is stimulated by incomes of potential consumers and by a net in-migration, while the level of unemployment together with prices of complementary goods (especially petrol prices) negatively affect the demand for cars. Moreover, geographically weighted regression shows that the identified conditions differ across the country, which may explain the noticeable differences in the level of motorization between poviats.
    Źródło:
    Studia Regionalne i Lokalne; 2017, 2(68); 119-139
    1509-4995
    Pojawia się w:
    Studia Regionalne i Lokalne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Spatial Analysis Of Foreign Migration In Poland In 2012 Using Geographically Weighted Regression
    Autorzy:
    Lewandowska-Gwarda, Karolina
    Powiązania:
    https://bibliotekanauki.pl/articles/633107.pdf
    Data publikacji:
    2014-12-01
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    emigration,immigration
    spatial analysis
    GIS
    GWR
    Opis:
    Migration has a principal influence on countries’ population changes. Thus, the issues connected with the causes, effects and directions of people’s movements are a common topic of political and academic discussions. The aim of this paper is to analyse the spatial distribution of officially registered foreign migration in Poland in 2012. GIS tools are implemented for data visualization and statistical analysis. Geographically weighted regression (GWR) is used to estimate the impact of unemployment, wages and other socioeconomic variables on the foreign emigration and immigration measure. GWR provides spatially varying estimates of model parameters that can be presented on a map, giving a useful graphical representation of spatially varying relationships.
    Źródło:
    Comparative Economic Research. Central and Eastern Europe; 2014, 17, 4; 137-154
    1508-2008
    2082-6737
    Pojawia się w:
    Comparative Economic Research. Central and Eastern Europe
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Regresja ważona geograficznie jako narzędzie analizy rynku nieruchomości
    Geographically weighted regression as a tool for real estate market analysis
    Autorzy:
    Kulczycki, M.
    Ligas, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/385304.pdf
    Data publikacji:
    2007
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    RWG (regresja ważona geograficznie)
    przestrzenna heterogeniczność
    autokorelacja przestrzenna
    metoda najmniejszych kwadratów
    wycena nieruchomości
    GWR (Geographically Weighted Regression)
    spatial heterogeneity
    spatial autocorrelation
    least squares method
    appraisal
    Opis:
    Przedmiotem rozważań zawartych w niniejszym artykule jest zagadnienie zastosowania regresji ważonej geograficznie (GWR) zarówno na etapie analizy rynku nieruchomości, jak i podczas procesu wyceny. GWR jest techniką eksploracyjną statystyki przestrzennej dającą możliwość bezpośredniego modelowania przestrzennej heterogeniczności poprzez lokalne dopasowywanie modeli regresji. Zastosowanie GWR owocuje zestawem parametrów regresji dla każdej lokalizacji (nieruchomości). Parametry te stanowią podstawę do stworzenia map zmienności poszczególnych współczynników regresji, czyli map zmienności wpływu poszczególnych atrybutów na wartość nieruchomości w zależności od lokalizacji, co od razu przywodzi na myśl strefy oraz mapy taksacyjne wykorzystywane w procesie powszechnej taksacji nieruchomości.
    The paper presents considerations on applying Geographically Weighted Regression to real estate market analysis and appraisal process. GWR is the explorative technique of spatial statistics enabling direct modeling of spatial heterogeneity by local fitting regression models. Application GWR results in set of regression parameters for each localization from the data set (real estate). These parameters make a basis for mapping non - stationarity of regression relationship, saying otherwise allow to map spatial variation in regression parameters. This kind of mapping brings to mind immediately taxation zones and taxation maps used in mass appraisal process.
    Źródło:
    Geomatics and Environmental Engineering; 2007, 1, 2; 59-68
    1898-1135
    Pojawia się w:
    Geomatics and Environmental Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    REAL ESTATE PRICES – URBAN SECURITY RELATIONSHIPS: SPATIAL ANALYSES AND DEPENDENCIES
    RELACJA CENY NIERUCHOMOŚCI A BEZPIECZEŃSTWA MIEJSKIEGO: ANALIZY PRZESTRZENNE I BADANIA ZALEŻNOŚCI
    Autorzy:
    Penchev, Georgi Georgiev
    Zabunov, Georgi Shinkov
    Powiązania:
    https://bibliotekanauki.pl/articles/654257.pdf
    Data publikacji:
    2014
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    Rynek nieruchomości
    rzeczywiste ceny nieruchomości
    miejskie bezpieczeństwo
    analizy przestrzenne
    metody analizy składnika nadrzędnego
    geograficznie ważona regresja (GWR).
    Real estate markets
    real estate prices
    urban security
    spatial analysis
    principle component analysis
    geographically weighted regression (GWR).
    Opis:
    Celem niniejszego artykułu jest ocena możliwości utworzenia bazy danych analitycznych do badania cen nieruchomości. W dużej mierze, artykuł przedstawia niektóre z ustaleń wspólnego projektu, prowadzonego wspólnie z wiodącymi bułgarskimi agencjami nieruchomości. Za pomocą odpowiedniego podejścia analitycznego i ujednolicenia informacji możliwe jest osiągnięcie znacznych korzyści dla bułgarskiego dynamicznego rynku. Ze względu na brak narzędzi i doświadczenia, zaistniała konieczność wyboru właściwej metody i zastosowania jej do największej bazy danych utworzonej z informacji pochodzących z innych rynków. Badanie koncentruje się na wpływie bezpieczeństwa miejskiego na ceny nieruchomości. Z jednej strony, jest to podstawowym wyznacznikiem wyboru klientów, a z drugiej strony, informacje o ocenie bezpieczeństwa mogą być wykorzystane w planowaniu przestrzennym i zarządzaniu. W rezultacie powstał zbiór danych georeferencyjnych zawierający informacje o cechach ponad 191 000 nieruchomości w Denver, Kolorado. Zastosowanie wybranej metody – Ważonej Geograficznie Regresji Hedonicznych – na zbiorze danych wykazało na szereg kwestii związanych z ograniczeniem sprzętowym i oprogramowania, sposobu agregacji danych i obecności współliniowość pomiędzy indeksami. Zastosowanie zasad analiz geograficznego ważenia, jako sposób rozwiązania problemu współliniowości wykazały również zalety, takie jak określenie wpływu różnych wskaźników w mniejszych obszarach miejskich. Pomimo użycia danych z innych rynków, badania umożliwiły wyciągnięcie istotnych wniosków dotyczących definicji, gromadzenia i opracowania danych niezbędnych do stworzenia odpowiedniej bazy danych do analizy bułgarskiego rynku nieruchomości.
    The purpose of this article is to assess the possibilities for creating an analytical database to study real estate prices. To a large extent, the article presents some of the findings of a joint project with leading Bulgarian real estate agencies. Using a suitable analytical approach and standardising the information would bring substantial benefits to the dynamic Bulgarian market. Due to the lack of tools and experience, it was necessary to select an appropriate method and to apply it to the largest possible database created with the help of information from other markets. The study focused on the impact of urban security on real estate prices. On the one hand, this is a basic determinant for customers’ choice, and on the other hand, information about security rating could be used in urban planning and management. As a result, a georeferenced dataset was created with information about the characteristics of over 191 000 properties in Denver, Colorado. The application of the selected method – the Geographically Weighted Hedonic Regression – for this dataset showed a number of issues related to hardware and software restrictions of the application, the manner of data aggregation and the presence of co-linearity between indices. The application of the Geographically Weighted Principal Analysis as a means of solving the problem of co-linearity has shown other advantages such as defining the impact of various indices in smaller urban regions. Despite using data from other markets, this research has made some important conclusions regarding the definition, collection and study of data necessary for the creation of a suitable database to analyse the Bulgarian real estate market.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2014, 6, 309
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Female unemployment and its determinants in Poland in 2016 from the spatial perspective
    Autorzy:
    Lewandowska-Gwarda, Karolina
    Powiązania:
    https://bibliotekanauki.pl/articles/18807225.pdf
    Data publikacji:
    2018
    Wydawca:
    Instytut Badań Gospodarczych
    Tematy:
    female unemployment in Poland
    NUTS 4 (LAU 1)
    spatial analysis
    GIS
    GWR
    Opis:
    Research background: Through the cultural progress and socio-economic development in Poland women have obtained the same rights as men in the labour market. Nevertheless, they continuously face discrimination and the difficulty, resulting from their traditional role, in finding or maintaining employment. Purpose of the article: The main objective of this study was an analysis of female unemployment and its determinants in Poland in 2016 from the spatial perspective. The following research questions were also specified: Is female unemployment dependent on social factors (do they play the key role)? Are the factors determining the level of female unemployment spatially diversified? Is the GWR model an effective tool in analysis of female unemployment? Methods: The research applied GIS and spatial analysis methods including Geographically Weighted Regression, which enables the identification of the variability of regression coefficients in the geographical space. The analysis was carried out based on statistical data presenting the share of unemployed women in the working age population for 380 Polish districts (NUTS 4, LAU 1) in 2016. Findings & Value added: The research results showed that in the period 2003-2016 the female unemployment was getting lower, but it was still higher than men. It was also spatially diversified. Moreover, the determinants of female unemployment were diverse in the geographic space and did not have a significant impact on the variable in all spatial units. The existence of clusters of districts, characterised by similar interactions and its strength, was also confirmed. The results of this analysis proved that non-economic (social) factors largely affected the level of female unemployment in Poland in 2016. Using GWR enabled drawing detailed conclusions concerning the determinants of female unemployment in Poland, it proved to be an effective tool for the analysis of this phenomenon.
    Źródło:
    Oeconomia Copernicana; 2018, 9, 2; 183-204
    2083-1277
    Pojawia się w:
    Oeconomia Copernicana
    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