Informacja

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

Wyszukujesz frazę "dissimilarity of structures;" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Application of measures of entropy, information content and dissimilarity of structures to business tendency survey data
Zastosowanie miar entropii, zawartości informacyjnej i niepodobieństwa struktur do danych testu koniunktury
Autorzy:
Tomczyk, Emilia
Powiązania:
https://bibliotekanauki.pl/articles/1830745.pdf
Data publikacji:
2011-06-30
Wydawca:
Główny Urząd Statystyczny
Tematy:
tendency surveys
expectations
entropy
dissimilarity of structures
badania ankietowe
oczekiwania
entropia
niepodobieństwo struktur
Opis:
This paper evaluates similarities between a priori information supplied by business tendency surveys (that is, expectations), and a posteriori information (that is, realizations). A priori structure is defined by fractions of respondents expressing expectations, and a posteriori structure – by fractions of respondents declaring observed changes in economic variables (realizations). On the basis of empirical analysis of the business tendency survey data on production, prices, employment and general business conditions, the following conclusions have been reached. Production time series exhibits the highest entropy, and prices data – the lowest. Since value of entropy allows to evaluate degree of concentration, in case of prices fractions of survey answers seems to be particularly centered on one of the three options provided in the questionnaire (that is, increase – no change – decrease). Entropy of general business conditions exhibits the highest variability which may be interpreted as volatile changes in information content of surveys from one month to another; in contrast, entropy of production is the least variable. It is also found that public enterprises exhibit lower entropy (as measured by average) and higher variability (as measured by standard deviation) than private enterprises.
Artykuł bada podobieństwo między informacją a priori dostarczaną przez respondentów testu koniunktury (oczekiwaniami) a informacją a posteriori (zaobserwowanymi realizacjami). Struktura a priori definiowana jest poprzez odsetki respondentów wyrażających swoje oczekiwania, a struktura a posteriori – przez odsetki respondentów stwierdzających zaobserwowane zmiany. Na podstawie empirycznej analizy danych testu koniunktury na temat produkcji, cen, zatrudnienia oraz ogólnej sytuacji gospodarczej, sformułowano następujące wnioski. Produkcja cechuje się najwyższą entropią, a ceny – najniższą. Ponieważ poziom entropii może być interpretowany jako stopień koncentracji, w przypadku cen odsetki odpowiedzi na pytania testu koniunktury wydaje się być szczególnie mocno skoncentrowany na jednej z trzech opcji (wzrost – brak zmiany – spadek). Entropia ogólnej sytuacji gospodarczej wykazuje największą zmienność, co można zinterpretować jako przejaw dynamicznych zmian zawartości informacyjnej ankiety w poszczególnych miesiącach; entropia produkcji jest najbardziej stabilna. Co więcej, przedsiębiorstwa sektora publicznego cechuje średnio niższa entropia i wyższa jej zmienność (mierzona odchyleniem standardowym) niż przedsiębiorstwa prywatne.
Źródło:
Przegląd Statystyczny; 2011, 58, 1-2; 88-101
0033-2372
Pojawia się w:
Przegląd Statystyczny
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Ocena udziału sektorów w zróżnicowaniu struktur zatrudnienia w Warszawie i powiatach sąsiadujących w latach 2005–2014
Evaluating the Share of Sectors in Employment Structure Differences between Warsaw and Neighbouring Districts in the Period 2005–2014
Autorzy:
Markowska, Małgorzata
Sokołowski, Andrzej
Powiązania:
https://bibliotekanauki.pl/articles/438516.pdf
Data publikacji:
2017
Wydawca:
Uniwersytet Pedagogiczny im. Komisji Edukacji Narodowej w Krakowie
Tematy:
dynamika zmian;
niepodobieństwo struktur;
NUTS 4;
sektory gospodarki;
struktura zatrudnienia
dissimilarity of structures;
dynamics of change;
employment structure;
sectors of economy
Opis:
Celem pracy jest identyfikacja zróżnicowania struktur (kształtu i skali) zatrudnienia w Warszawie i powiatach sąsiednich w ujęciu dynamicznym oraz ocena znaczenia sektorów gospodarki w tym zróżnicowaniu. W pracy przedstawiono wyniki oceny udziału takich sektorów, jak: rolnictwo, przemysł oraz usługi, w podziale na handel, usługi finansowe oraz pozostałe usługi, w zróżnicowaniu struktur zatrudnienia w Warszawie i powiatach, które ze stolicą sąsiadują, czyli: legionowskim, mińskim, otwockim, wołomińskim, piaseczyńskim, pruszkowskim oraz warszawskim zachodnim. Badanie przeprowadzono w latach 2005–2014, a do realizacji celu pracy wykorzystano – w porównaniach przestrzennych – miary oceniające udział składnika w zróżnicowaniu (niepodobieństwie) dwóch struktur. Miara URij pozwala na ocenę udziału i-tego składnika w niepodobieństwie rozmiaru dwóch struktur, zaś miara UKij – w niepodobieństwie kształtu struktur. Uzyskane wyniki pozwalają zarówno na dokonywanie porównań dla poszczególnych sektorów w konkretnych powiatach, jak i na porównywanie powiatów dla konkretnego sektora. Odnośnie rozmiaru struktury zauważono zdominowanie przez Warszawę miar udziału poszczególnych sektorów w niepodobieństwie struktury zatrudnienia oraz fakt, że hierarchia powiatów (poza piaseczyńskim) nie ulegała zmianom. W zakresie kształtu struktur stwierdzono zdecydowanie wyższy udział przemysłu i rolnictwa w strukturze zatrudnienia w powiatach ościennych oraz chaotyczne (a przez to trudne do interpretacji) zmiany w usługach finansowych. Przeprowadzone analizy potwierdzają potrzebę osobnego rozważania efektu rozmiaru i efektu kształtu w porównywaniu struktur.
The aim of the paper is the identification of differences in employment structure (from the point of view of shape and scale), in dynamic perspective, in Warsaw and neighbouring districts. Shares of agriculture, industry, trade, financial services and other services in difference between Warsaw city and the following districts: legionowski, miński, otwocki, wołomiński, piaseczyński, pruszkowski and warszawski zachodni, have been evaluated. The analysis is based on data from the period of 2005–2014. Two statistical measures have been used: URij which enables to estimate the share of i-th element in dissimilarities of two structures with respect to size, and UKij with respect to shape. The results obtained make it possible to compare sectors in a district, or to compare districts for a given sector of economy. As far as the differences in the size of structure are concerned, Warsaw dominated, and the hierarchy of districts was very stable, except for piaseczyński district. In the analysis of the shape of employment structure we have found significantly higher shares of industry and agriculture in particular districts, as compared with Warsaw city. Changes in the influence of financial services appeared more random and were difficult to interpret. Our results advocate for separate consideration of size and shape while comparing structures.
Źródło:
Prace Komisji Geografii Przemysłu Polskiego Towarzystwa Geograficznego; 2017, 31, 4; 25-39
2080-1653
Pojawia się w:
Prace Komisji Geografii Przemysłu Polskiego Towarzystwa Geograficznego
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    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