Spatio‑temporal Modelling of the Influence of the Number of Business Entities in Selected Urban Centres on Unemployment in the Kujawsko‑Pomorskie Voivodeship

• Authors: Elżbieta Szulc , Mateusz Jankiewicz

Title variants

Przestrzenno‑czasowe modelowanie wpływu liczby podmiotów gospodarczych w wybranych ośrodkach miejskich na bezrobocie w województwie kujawsko‑pomorskim

• Languages of publication: EN

Abstracts

EN

The paper presents the analysis of the spatial and spatio‑temporal tendencies and dependence in matters related to the situation in the labour market of the Kujawsko‑Pomorskie Voivodeship across municipalities in the period of 2004–2015. The aim of the investigation is to verify whether, in the presence of the dependence, investing (through a growing number of enterprises) in the development of selected urban centres with a high level of unemployment can significantly reduce the unemployment rate in the whole province. The assessment of the situation in the labour market for each of the municipalities is made with the use of two characteristics, i.e. the share of registered unemployed persons in the number of the working age population and the number of business entities per 10,000 working age population. From the methodological point of view, the values of the variables are treated as realisations of spatial and spatio‑temporal stochastic processes. The spatial and spatio‑temporal tendencies and dependence were investigated using the concept of spatial and spatio‑temporal trends and spatial autocorrelation. Additionally, spatial autoregressive models for individual processes and spatial models of the dependence of unemployment on the number of business entities, for each year of the investigated period, were estimated and verified. The specification of spatio‑temporal models of unemployment, including the model which takes into consideration spatial shifts and time lags of the dependence, was carried out. The models were used for simulating the level of unemployment in the province assuming some growth in the number of business entities in selected urban centres.

PL

Artykuł prezentuje analizę przestrzennych i czasowych tendencji i zależności dotyczących sytuacji na rynku pracy w województwie kujawsko‑pomorskim w układzie gmin w okresie 2004–2015. Celem badania jest sprawdzenie, czy – przy istniejących zależnościach – wzrost aktywności działalności gospodarczej przez zwiększenie liczby podmiotów gospodarczych w wybranych ośrodkach miejskich województwa, w których poziom bezrobocia jest wysoki, może obniżyć bezrobocie w całym województwie. Sytuacja na rynku pracy w poszczególnych gminach została oceniona na podstawie dwóch zmiennych, tj. udziału bezrobotnych zarejestrowanych w liczbie ludności w wieku produkcyjnym oraz liczby podmiotów gospodarczych na 10 tys. mieszkańców w wieku produkcyjnym. Z metodologicznego punktu widzenia wartości tych zmiennych traktuje się jako realizacje przestrzennych i przestrzenno‑czasowych procesów stochastycznych. Przestrzenne i przestrzenno‑czasowe tendencje i zależności zostały zbadane przy wykorzystaniu koncepcji trendu przestrzennego i przestrzenno‑czasowego oraz autokorelacji przestrzennej. Dodatkowo zostały oszacowane i zweryfikowane przestrzenne modele autoregresyjne poszczególnych procesów, a także przestrzenne modele zależności bezrobocia od liczby podmiotów gospodarczych w poszczególnych latach badanego okresu. Dokonano również specyfikacji przestrzenno‑czasowych modeli bezrobocia, w tym modelu uwzględniającego przesunięcia przestrzenne i opóźnienia czasowe rozważanej zależności. Modele te wykorzystano następnie do symulacji poziomu bezrobocia w województwie przy założeniu wzrostu liczby podmiotów gospodarczych w ustalonych ośrodkach miejskich.

Keywords

EN

business entities; unemployment; labour market; spatial and spatio‑temporal trends; spatial autocorrelation; spatial and spatio‑temporal autoregressive models

PL

podmioty gospodarcze; bezrobocie; rynek pracy; trend przestrzenny i przestrzenno‑czasowy; autokorelacja przestrzenna; przestrzenne i przestrzenno‑czasowe modele autoregresyjne; podmioty gospodarcze; bezrobocie; rynek pracy; trend przestrzenny i przestrzenno‑czasowy; autokorelacja przestrzenna; przestrzenne i przestrzenno‑czasowe modele autoregresyjne

• Publisher: Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
• Journal: Acta Universitatis Lodziensis. Folia Oeconomica
• Year: 2018
• Volume: 4
• Issue: 337
• Pages: 21-37

Dates

published

2018-09-20

Contributors

author

Elżbieta Szulc

• Nicolaus Copernicus University in Toruń, Faculty of Economic Sciences and Management, Department of Econometrics and Statistics

author

Mateusz Jankiewicz

• Nicolaus Copernicus University in Toruń, Faculty of Economic Sciences and Management, Department of Econometrics and Statistics

References

• Anselin L. (1988), Spatial Econometrics. Methods and Models, Kluwer Academic, Boston.
• Anselin L., Florax R. J.G.M., Rey S. (2004), Advances in Spatial Econometrics. Methodology, Tools and Applications, Springer‑Verlag, New York.
• Arbia G. (2006), Spatial Econometrics. Statistical Foundations and Applications to Regional Convergence, Springer‑Verlag, Berlin–Heidelberg.
• Bal‑Domańska B. (2014), Identifying Regional Diversification and Spatial Dependence of Employment in EU Regions as One of Social Cohesion Indicators, “Acta Universitatis Lodziensis. Folia Oeconomica”, vol. 5(307), pp. 7–26.
• Blinova T., Markow V., Rusanovskiy V. (2016), Empirical Study of Spatial Differentiation of Youth Unemployment in Russia, “Acta Oeconomica”, vol. 66(3), pp. 507–526.
• Cliff A. D., Ord J. K. (1973), Spatial Autocorrelation, Pion, London.
• Cliff A. D., Ord J. K. (1981), Spatial Processes. Models and Applications, Pion, London.
• Cressie N. A.C. (1993), Statistics for Spatial Data, John Wiley & Sons Inc., New York.
• Gawrycka M., Szymczak A. (2010), Przestrzenne zróżnicowanie rynków pracy z punktu widzenia popytu na pracę, “Współczesna Ekonomia”, no. 1(13), pp. 47–58.
• Haining R. (2005), Spatial Data Analysis. Theory and Practice, 3th ed., Cambridge University Press, Cambridge.
• LeSage J., Pace K. R. (2009), Introduction to Spatial Econometrics, Champion & Hall/CRC, Boca Raton–London‑New York.
• Moran P. A.P. (1950), The Interpretation of Statistical Maps, “Journal of the Royal Statistical Society”, Series B, 10, pp. 243–251.
• Nosek V., Netrdova P. (2014), Measuring Spatial Aspects of Variability. Comparing Spatial Autocorrelation with Regard Decomposition in Internal Unemployment Research, “Historical Social Research – Historische Socialforschung”, vol. 39(2), pp. 292–314.
• Perugini C., Signorelli M. (2007), Labour Market Performance Differentials and Dynamics in EU–15 Countries and Regions, “The European Journal of Comparative Economics”, vol. 4(2), pp. 209–262.
• Pillet F., Cañizares M. C., Ruiz A. R., Martínez H., Plaza J., Santos J. F. (2014), Applying the European Spatial Development Perspective in Low‑density Regions: a Methodology Based on Mobility and Labour Market Structure, “Urban Studies”, vol. 51(3), pp. 577–595.
• Schabenberger O., Gotway C. A. (2005), Statistical Methods for Spatial Data Analysis, Champion & Hall/CRC, Boca Raton–London‑New York.
• Semerikova E. (2015), Spatial Patterns of German Labor Market: Panel Data Analysis of Regional Unemployment, [in:] Ch. Mussida, F. Pastore (eds.), Geographical Labor Market Imbalances: Recent Explanations And Cures, Springer, Berlin–Heidelberg.
• Strategia rozwoju województwa kujawsko‑pomorskiego do roku 2020 – Plan modernizacji 2020+ (The 2020 Development Strategy for the Kujawsko‑Pomorskie Voivodeship and the 2020+Modernisation Plan), http://www.mojregion.eu/files/dokumenty%20rpo/konkursy_nabory/3.1_Wspieranie%20wytwarzania%20i%20dystrybucji%20energii%20pochodzacej%20ze%20zrodel%20odnawialnych_nr_102_30_05_2017/Strategia_rozwoju_wojewodztwa_kujawsko‑pomorskiego_do_roku_2020__plan_modernizacji_2020+.pdf [accessed: 10.01.2017].
• Szulc E. (2007), Ekonometryczna analiza wielowymiarowych procesów gospodarczych (Econometric Analysis of Multidimensional Economic Processes), UMK, Toruń.
• Szulc E. (2011), Identification of the Structures of Spatial and Spatio‑Temporal Processes and a Problem of Data Aggregation, “Dynamic Econometric Models”, vol. 11, pp. 4–20.
• Szulc E., Jankiewicz M. (2017), The Labour Market Situation in Medium‑Sized Urban Centres of the Kujawsko‑Pomorskie Voivodeship and the Problem of Unemployment in the Province, [in:] M. Papież, S. Śmiech (eds.), The 11th Professor Aleksander Zelias International Conference on Modelling and Forecasting of Socio‑Economic Phenomena. Conference Proceedings, http://pliki.konferencjazakopianska.pl/proceedings_2017/pdf/Szulc_Jankiewicz.pdf [accessed: 12.05.2017].
• Szulc E., Müller‑Frączek I., Pietrzak M. (2011), Modelowanie zależności między ekonomicznymi procesami przestrzennymi a poziom agregacji danych (Modelling of Dependence between Economic Spatial Processes and Level of Data Aggregation), “Acta Universitatis Lodziensis. Folia Oeconomica”, vol. 253, pp. 327–344.
• Tokarski T. (2005), Regionalne zróżnicowanie rynku pracy, “Wiadomości Statystyczne”, no. 11, pp. 67–88.
• Vega S. H., Elhorst J. P. (2014). Modelling Regional Labour Market Dynamics in Space and Time, “Papers in Regional Science”, vol. 93(4), pp. 819–841.

Identifiers

DOI

10.18778/0208-6018.337.02