Funkcjonalna analiza składowych głównych PKB

• Authors: Tomasz Górecki , Ewa Łaźniewska

Title variants

Functional analysis of the main components of GDP

• Languages of publication: PL

Abstracts

W artykule opisano zastosowanie funkcjonalnej analizy składowych głównych PKB. Wykazano użyteczność tej metody w analizach regionalnych. Z obserwacji wynika, że regiony o podobnym poziomie zjawiska wykazywały podobieństwo w utrzymaniu lub zmianie poziomu PKB per capita, a zupełnie inaczej zachowywały się regiony o wyższym PKB per capita, np. podregion stołeczny.

EN

The article describes the use of functional GDP principal components analysis from the exploratory point of view. This analysis is designed to show the variation in the entire sample, not only discrete observations. This is a technique that is often used as an introduction (e.g., dimensionality reduction and data visualization) for further analysis. This approach emphasizes the significant characteristics of associated statistically data sets and provides useful tools for statistical analysis of economic data sets. The study concerns the GDP per capita in Poland. The results showed that the two main functional components explain 98,64% of the variation. This means that the presented visualization and interpretation of the results is reliable. (original abstract)

Keywords

PL

Produkt krajowy brutto (PKB); Analiza regionalna; Analiza ekonomiczna

EN

Gross domestic product (GDP); Regional analysis; Economic analysis

• Publisher: Główny Urząd Statystyczny
• Journal: Wiadomości Statystyczne. The Polish Statistician
• Year: 2013
• Issue: nr 4
• Pages: 23-34

Contributors

author

Tomasz Górecki

• Uniwersytet im. Adama Mickiewicza w Poznaniu

author

Ewa Łaźniewska

• Uniwersytet Ekonomiczny w Poznaniu

References

• Górecki T., Krzyśko M. (2012), Functional Principal Components Analysis, [w:] Data analysis methods and its applications, red. J. Pociecha, R. Decker, Wydawnictwo C. H. Beck
• Hastie T., Tibshirani R., Friedman J. (2009), The Elements of Statistical Learning, Springer
• Ingrassia S., Constanzo G. D. (2005), Functional principal components analysis of financial time series, [w:] New Developments in Classification and Data Analysis, eds. Vichi M., Monari P., Mignani S., Montanari A., Springer, Berlin, s. 351-358
• McQuarrie A. D. R., Tsai C. L. (1998), Regression and Time Series Model Selection, World Scientific
• Ramsay J., Matlab R. (2005), S-Plus Functions for Functional Data Analysis, McGill University, ftp://ego.psych.mcgill.ca/pub/FDAfuns.pdf
• Ramsay J. O., Dalzell C. J. (1991), Some tools for functional data analysis, "Journal of the Royal Statistical Society", Series B (Statistical Methodology), No. 53
• Ramsay J. O., Silverman B. W. (2002), Applied Functional Data Analysis: methods and case studies, Springer
• Ramsay J. O., Silverman B. W. (2005), Functional Data Analysis, Springer
• Wahba G. (1990), Spline Models for Observational Data, CBMS-NSF Regional Conference Series in Applied Mathematics, SIAM, Philadelphia