Application of measures of entropy, information content and dissimilarity of structures to business tendency survey data

• Authors: Emilia Tomczyk

Title variants

PL

Zastosowanie miar entropii, zawartości informacyjnej i niepodobieństwa struktur do danych testu koniunktury

Abstracts

PL

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.

EN

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.

Keywords

EN

tendency surveys; expectations; entropy; dissimilarity of structures

PL

badania ankietowe; oczekiwania; entropia; niepodobieństwo struktur

• Publisher: Główny Urząd Statystyczny
• Journal: Przegląd Statystyczny
• Year: 2011
• Volume: 58
• Issue: 1-2
• Pages: 88-101

Dates

published

2011

Contributors

author

Emilia Tomczyk

• Institute of Econometrics, Warsaw School of Economics

References

• Chomątowski S., Sokołowski A. (1978), Taksonomia struktur, Przegląd Statystyczny 2:217-226.
• Doszyń M. (2002) Skłonności a entropia, Przegląd Statystyczny 49:73-78.
• Georgescu-Roegen N. (1971) The Entropy Law and the Economic Process, Harvard University Press, Cambridge.
• Kempa W. (2002), Zastosowanie entropii empirycznej w badaniu związku korelacyjnego dwóch cech Przegląd Statystyczny 49:163-173.
• Kowalczyk H. (2010), O eksperckich ocenach niepewności w ankietach makroekonomicznych, Bank i Kredyt 5:101-122.
• Przybyszewski R., Wędrowska E. (2005), Aksjomatyczna teoria entropii, Przegląd Statystyczny 52:85-101.
• RIED (2010), Business survey. June 2010, Warsaw School of Economics, Warsaw.
• R´enyi A. (1961), On measures of entropy and information, Proceedings of the 4th Berkeley Symposium on Mathematics, Statistics and Probability, pp. 547-561.
• Shannon C. E. (1948)A mathematical theory of communication, The Bell System Technical Journal 27:379-423, 623-656.
• Theil H. (1967), Economics and Information Theory, North-Holland Publishing Company, Amsterdam.
• Tomczyk E. (2005) Are expectations of Polish industrial enterprises rational? Evidence from business tendency surveys, in:Adamowicz E., Klimkowska J. (eds.) Economic Tendency Surveys and Cyclical Indicators. Polish contribution to the 27th CIRET Conference, Warsaw School of Economics, Warszawa.
• WCED (1987), Report of the World Commission on Environment and Development: Our Common Future, NGO Committee on Education (http://www.un-documents.net/wced-ocf.htm).
• Wędrowska E. (2009), Oczekiwana ilość informacji o zmianie struktur jako miara niepodobieństwa struktur, paper presented at the XIth Conference “Dynamic Econometric Models”, September 2009, Toruń.

Identifiers

Biblioteka Nauki

1830745