Identyfikacja determinant bogactwa dochodowego z zastosowaniem modelu logitowego

• Authors: Anna Sączewska-Piotrowska

Title variants

EN

Identification of determinants of income richness using logistic regression model

• Languages of publication: PL

Abstracts

PL

Celem artykułu była identyfikacja czynników objaśniających bogactwo gospodarstw domowych. W analizie zastosowano model logitowy, w którym rolę zmiennej zależnej pełniła zmienna binarna – przynależność do sfery bogactwa, przyjmująca wartość jeden, gdy gospodarstwo domowe należało do sfery bogactwa oraz wartość zero, gdy gospodarstwo domowe nie należało do sfery bogactwa. Wśród potencjalnych czynników uwzględniono zarówno cechy głowy gospodarstwa domowego (np. płeć, wiek, wykształcenie), jak i cechy samego gospodarstwa (np. miejsce zamieszkania, liczba osób). Oszacowany model poddano weryfikacji statystycznej polegającej na badaniu statystycznej istotności parametrów oraz na określeniu stopnia dopasowania modelu do danych empirycznych.

Keywords

PL

bogactwo; determinanty bogactwa dochodowego; model regresji logistycznej

• Publisher: Wydział Zarządzania - Uniwersytet Gdański
• Journal: Zarządzanie i Finanse
• Year: 2015
• Volume: 4
• Issue: 2
• Pages: 241-259

Contributors

author

Anna Sączewska-Piotrowska

• Dr, Katedra Metod Statystyczno-Matematycznych w Ekonomii, Wydział Ekonomii, Uniwersytet Ekonomiczny w Katowicach, ul. 1 Maja 50, 40-287 Katowice

References

• Dudek H., Dybciak M. (2006), Zastosowanie modelu logitowego do analizy wynikow egzaminu, Zeszyty Naukowe SGGW, „Ekonomika i Organizacja Gospodarki Żywnościowej”, nr 60.
• Gruszczyński M. (2001), Modele i prognozy zmiennych jakościowych w finansach i bankowości, Szkoła Głowna Handlowa, Warszawa.
• Harańczyk G. (2010), Krzywe ROC, czyli ocena jakości klasyfikatora i poszukiwanie optymalnego punktu odcięcia, w: Medycyna i analiza danych, StatSoft, Krakow.
• Jackowska B. (2011), Efekty interakcji między zmiennymi objaśniającymi w modelu logitowym w analizie zrożnicowania ryzyka zgonu, „Przegląd Statystyczny” nr 1–2.
• Jackowska B., Wycinka E. (2009), Modele ryzyka skreślenia z listy studentow na przykładzie studentow trybu niestacjonarnego, w: „Taksonomia” nr 16. Klasyfikacja i analiza danych – teoria i zastosowania, Jajuga K., Walesiak M. (red.), Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu, nr 7, Wrocław.
• Kasprzyk B., Fura B. (2011), Wykorzystanie modeli logitowych do identyfikacji gospodarstw domowych zagrożonych ubostwem, „Wiadomości Statystyczne” nr 6.
• Konsumpcja elit ekonomicznych w Polsce – ujęcie empiryczne (2006), Słaby T. (red.), SGH, Warszawa.
• Kopczewska K., Kopczewski T., Wojcik P. (2009), Metody ilościowe w R. Aplikacje ekonomiczne i finansowe, CeDeWu, Warszawa.
• KPMG w Polsce (2014), Rynek dobr luksusowych w Polsce. Edycja 2014.
• Książek M. (2013), Analiza danych jakościowych, w: Zaawansowane metody analiz statystycznych, Frątczak E. (red.), Szkoła Głowna Handlowa, Warszawa.
• Leigh A. (2009), Top incomes, w: The Oxford handbook of economic inequality, Salverda W., Nolan B., Smeeding T. (red.), Oxford University Press, Oxford.
• McFadden D. (1977), Quantitative methods for analyzing travel behaviour of individuals: Some recent developments, Cowles Foundation Discussion Paper No. 474, Yale University, New Haven.
• Peichl A., Schaefer T., Scheicher C. (2008), Measuring richness and poverty: A micro data application to Europe and Germany, IZA Discussion Papers No. 3790, Institute for the Study of Labor (IZA).
• Rada Monitoringu Społecznego (2014), Diagnoza społeczna 2000–2013: zintegrowana baza danych, http://www.diagnoza.com, dostęp dnia 9.11.2014.
• Radziukiewicz M. (2006), Zasięg ubostwa w Polsce, PWE, Warszawa.
• R Development Core Team (2015), R: a language and environment for statistical computing, R Foundation for Statistical Computing, Vienna, http://www.r-project.org.
• Rusnak Z. (2012), Logistic regression model in poverty analyses, „Ekonometria” nr 1.
• Stanisz A. (2007), Przystępny kurs statystyki z zastosowaniem STATISTICA PL na przykładach z medycyny, t. 2, Modele liniowe i nieliniowe, StatSoft, Kraków.
• Top incomes over the twentieth century (2007), Atkinson A., Piketty T. (red.), Oxford University Press, Oxford.
• Więckowska B (2015), Podręcznik użytkownika – PQStat, PQStat Software.
• Żarnowski J. (1992), Bieda i dostatek 1918–1939, w: Nędza i dostatek na ziemiach polskich od średniowiecza po wiek XX, Sztetyłła J. (red.), Seria: Instytut Historii Kultury Materialnej PAN, Semper, Warszawa.