Search results

1

Ocena zmian struktury pracujących w unijnych regionach szczebla NUTS 2 z wykorzystaniem miary Braya i Curtisa

100%

Markowska M.

Prace Komisji Geografii Przemysłu Polskiego Towarzystwa Geograficznego

|

2015

|

vol. 29

|

issue 2

7-22

PL

Celem artykułu jest ocena zmian struktury pracujących, zaobserwowanych w europejskiej przestrzeni regionalnej szczebla NUTS 2. Struktura pracujących zostanie ujęta w układzie trzech sektorów gospodarki, czyli rolnictwa, przemysłu i usług. Zakres czasowy prowadzonych badań dotyczy dwóch zazębiających się okresów, lat 2000–2008 i 2008–2012, co wynika ze sposobu prezentacji danych w bazach Eurostatu (zmiana podejścia do nomenklatury Europejskiej Klasyfikacji Działalności Gospodarczej NACE z 1997 roku, która w 2008 roku została uaktualniona). Przyczyny zmian to głównie pojawienie się nowych dziedzin działalności, zwłaszcza tych związanych z usługami i technologiami informacyjnymi oraz komunikacyjnymi. W nowym układzie NACE różnią się głównie dane na temat działalności firm, a z tego powodu także dane dotyczące rynku pracy, w tym – przykładowo – zmieniły się definicje pracujących w przemysłach wysokiej technologii i usługach opartych na wiedzy, co spowodowało utratę porównywalności. Jako metodę badawczą zastosowano w pracy miarę zróżnicowania struktur, co umożliwi identyfikację intensywności przeobrażeń na rynku pracy w czasie i przestrzeni.

EN

The aim of the paper is the evaluation of the changes observed in the employment structure at the European regional space of NUTS 2 level. The employment structure is expressed in three elements: agriculture, industry and services. Data covers two overlapping periods: 2000–2008 and 2008–2012. This is because of the changes in Eurostat data bases imposed by the update of European Classification of Economic Activities introduced in 2008 to the original regulation from 1997. New activities were defined, mainly in the field of information services and technologies. In new system, information on enterprises and labour market and some definitions in high-tech industries and services are not fully comparable with the old one. This problem is discussed in the paper. The measure of structures diversity is the basic research method for the analysis presented in the paper. It makes it possible to identify the intensity of labour market changes in both time and space.

2

European Capital Cities and Their Surroundings – Innovativeness Convergence or Divergence?

100%

Markowska M.

Zeszyty Naukowe Uniwersytetu Ekonomicznego w Krakowie

|

2014

|

issue 11(935)

79-100

EN

The study presents an attempt to answer the question of whether the closest surroundings of European capital cities are becoming as innovative as the capital cities themselves. The value of an aggregate index of innovation was defined for the EU NUTS 2 level regions based on eight characteristics. Against the background of changes occurring in the values of the Innovation Index in the European regional space, the study assesses the effects of capital cities on their closest surroundings in the context of trends observed in terms of innovation. The analysis covered countries in which the capital city is at the same time the NUTS 2 level region. It also discusses the variables determining the differences in the Innovation Index values between capital cities and the areas that surround them.

PL

W pracy podjęto próbę odpowiedzi na pytanie, czy najbliższe otoczenie europejskich stolic nadrabia zaległości w stosunku do poziomu innowacyjności stolic tych krajów. Na podstawie ośmiu charakterystyk ustalono wartość wskaźnika agregatowego innowacyjności dla regionów UE szczebla NUTS 2. Na tle zmian wartości wskaźnika innowacyjności w europejskiej przestrzeni regionalnej oceniono efekty wpływu stolicy na najbliższe otoczenie, w kontekście trendów obserwowanych pod względem innowacyjności. Analizie poddano kraje, w których stolica jest jednocześnie regionem szczebla NUTS 2. Wskazano zmienne decydujące o różnicach wskaźnika występujących pomiędzy stolicą a otoczeniem.

3

Identyfikacja znaczenia krajów w gospodarce Unii Europejskiej z wykorzystaniem miary dekompozycji zmian struktury

100%

Markowska M.

Zeszyty Naukowe Uniwersytetu Ekonomicznego w Krakowie

|

2016

|

issue 9(957)

71-87

PL

Celem pracy jest analiza dynamiki zmian w gospodarce Unii Europejskiej w ujęciu strukturalnym. Analiza dotyczy jednej zmiennej makroekonomicznej – produktu krajowego brutto, liczonego zgodnie z metodologią Banku Światowego. Badaniem objęto okres 1995–2014, a elementami struktury są kraje. Wzięto pod uwagę 28 krajów tworzących obecnie Unię Europejską, stąd pojęcie Unii Europejskiej ma charakter umowny i oznacza zbiór krajów, które do 2014 r. przystąpiły do Unii. Oryginalność metodologiczna polega na wykorzystaniu nowej miary dekompozycji zmian struktury. Struktura jest tu rozumiana jako zbiór elementów tworzących pewną całość. Porównanie wartości elementu z sumą całości pokazuje strukturę pod względem „kształtu”, natomiast wartości elementów struktury mówią o jej „rozmiarze”. Wykorzystano miarę dekompozycji do oceny udziału składników (krajów) w zmianach rozmiaru, a znak miary wskazuje, czy nastąpił wzrost, czy spadek udziału. Suma modułów wartości miary dla wszystkich składników struktury jest równa 1 dla każdej porównywanej pary jednostek czasu. W badanym okresie PKB we wszystkich analizowanych krajach na ogół rósł. Tempo tych przyrostów było jednak różne, stąd można spodziewa się, że przestrzenna struktura PKB całej Unii ulegała zmianom.

EN

The main aim of the paper is to analyse the structural dynamics in the EU economy. It is based on one macroeconomic variable – GDP, calculated using the methodology employed by the World Bank. The research covers the years 1995–2014. The 28 member states that belonged to the EU at the end of the period are treated as the structural elements of the European economy. A new measure for decomposing structural changes is used in the analysis. It takes into account changes in the values of the structural components, which is called the „size” of the structure (as opposed to „shape”, which concerns only the share of components). The decomposition measure makes it possible to evaluate changes in the importance of individual countries in the European economy, and the sign of a measure shows whether an increase or decrease has been observed. The sum of absolute values of decomposition measure comes out to one for each pair of time units compared.

4

Dynamika innowacyjności regionów Unii Europejskiej w latach 1999–2008

100%

Markowska M.

Zeszyty Naukowe Uniwersytetu Ekonomicznego w Krakowie

|

2014

|

issue 4(928)

85-108

PL

W pracy przedstawiono podejścia do pomiaru innowacyjności regionalnej i dokonano doboru cech umożliwiających ilustrację tego zjawiska na szczeblu NUTS 2 w Unii Europejskiej w ujęciu dynamicznym. Opisano procedurę badawczą pozwalającą na klasyfikację, która umożliwia ocenę dynamiki innowacyjności. Scharakteryzowano wyniki otrzymane w efekcie zastosowania tej procedury ze szczególnym uwzględnieniem terytorialnego rozmieszczenia klas regionów, przynależności regionów polskich oraz stołecznych i zawierających stolice do otrzymanych klas dynamiki innowacyjności.

EN

The study presents approaches to measuring regional innovation and the selection of characteristics facilitating the illustration of this phenomenon at the NUTS 2 level in the EU following dynamic analysis. The research procedure is described, allowing for the classification to be used in the assessment of innovation dynamics. Based on this classification, the results were characterised with a particular emphasis on the territorial distribution of the classes of regions and assigning Polish and capital regions to the obtained classes of innovation dynamics.

5

Brief review of logit models applications in regional studies

100%

Markowska M.

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu

|

2017

|

issue 476

9-17

EN

The problems referring to the functioning of economy are closely related to a territory. The place of their occurrence, whether it is a country, a region or a smaller territorial unit, implies the scale and the benchmark for carrying out analyses. Numerous phenomena within the area of economic research are of complex nature and, moreover, it is frequently difficult to express them in a measurable form. The solution to such “inconvenience” is e.g. the application of qualitative variables. Logistic regression is one of the tools allowing the assessment of dependence and prediction in case of qualitative variables of dichotomous type. The purpose of the study is to review the applications of logit models in regional studies.

6

THE ANALYSIS OF DIVERSIFICATION TENDENCIES IN THE REGIONAL INNOVATIVENESS OF EU COUNTRIES 1999-2012

100%

Markowska M.

Acta Universitatis Lodziensis. Folia Oeconomica

|

2014

|

vol. 5

|

issue 307

PL

Pomiar innowacyjności, której rola w procesach gospodarczych rozpatrywana jest w głównej mierze w kontekście pozycji konkurencyjnej, znajduje zastosowanie w ocenie zarówno przedsiębiorstw jak i sektorów gospodarki, ale także poszczególnych państw, regionów i gmin. Działania innowacyjne, jak podkreśla M. E. Porter, pozwalają bowiem na osiągnięcie przewagi konkurencyjnej określonych terytoriów. Celem artykułu jest przedstawienie wyników poszukiwania odpowiedzi na pytanie jak zmieniało się regionalne zróżnicowanie innowacyjności w krajach Unii Europejskiej, w latach 1999-2012. Realizacja tak postawionego celu wymagała ustalenia wartości wskaźnika innowacyjności, dla każdego regionu Unii Europejskiej szczebla NUTS 2, na podstawie charakterystyk opisujących regionalną innowacyjność w ujęciu dynamicznym. W pracy przedstawiony zostanie algorytm ustalania tego wskaźnika oraz cechy statystyczne, które on obejmuje. W następnym kroku dla regionów krajów UE dla każdego roku z okresu badanego obliczone zostało odchylenie standardowe (z wyłączeniem krajów obejmujących tylko jeden region szczebla NUTS 2). Oszacowane trendy liniowe i wykładnicze, wraz z testowaniem istotności współczynników kierunkowych wskazały kraje, w których obserwowano zmniejszające się regionalne zróżnicowanie innowacyjności, kraje o stabilnym zróżnicowaniu oraz kraje gdzie te różnice regionalne uległy pogłębieniu.

EN

The measurement of innovation, the role of which in economic processes is mainly analysed in the context of competitive position, is applied in the assessment of both enterprises and economy sectors, as well as with reference to particular countries, regions and municipalities. Innovative activities, as M. E. Porter emphasises, allow for particular territories to achieve a competitive advantage. The objective of this paper is to present the results of seeking an answer to the question about the changes which have occurred in regional innovation diversification in the European Union countries in the period 1999-2012. The realisation of this defined goal requires determining the value of the innovation indicator for each EU NUTS-2 level region based on the characteristics describing regional innovation in dynamic perspective. The study presents an algorithm for this indicator specification, as well as the statistical properties it covers. This is followed by calculating the standard deviation for the EU regions in each year of the study (excluding countries with just one NUTS-2 level region). The estimated linear and exponential trends, including the slope coefficients significance testing, are to indicate the countries characterised by stable diversification as well as those where regional differences became more extensive.

7

Ocena udziału sektorów w zróżnicowaniu struktur zatrudnienia w Warszawie i powiatach sąsiadujących w latach 2005–2014

63%

Markowska M., Sokołowski A.

Prace Komisji Geografii Przemysłu Polskiego Towarzystwa Geograficznego

|

2017

|

vol. Volume 31, Issue 4

25-39

PL

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.

EN

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.

8

Klasyfikacje krajów Unii Europejskiej z uwagi na struktury zatrudnienia w sektorach i wybranych sekcjach – ocena zgodności podziałów

63%

Markowska M., Strahl D.

Prace Komisji Geografii Przemysłu Polskiego Towarzystwa Geograficznego

|

2020

|

vol. 34

|

issue 1

7-19

EN

The aim of the paper is to analyse and evaluate the relation between sector employment structure (sectors are as follows: 1. Agriculture, forestry and fishing; mining and quarrying; 2. Manufacturing; 3. Electricity, gas, steam and air conditioning supply; water supply and construction; 4. Services) and employment structure at selected high technology and knowledge-intensive employment sections in European Union countries. Complete linkage method was used to cluster countries characterised by sector and section employment structures separately, for sector and section structures, and for 2008 and 2018. Respectively 8 and 6 groups of countries in those years have been found with respect to sector structure, while 8 and 9 for high technology and knowledge-intensive sections. Divisions have been compared with Sokołowski’s (1976) measure similar to Rand index. The results are as follows: sector structures between 2008 and 2018 – 0.839; section structures between 2008 and 2018 – 0.913; between sector and section structures in 2008 – 0.704; between sector and section structures in 2018 – 0.807.

PL

Zasadniczym celem artykułu jest ocena (z wykorzystaniem miary podobieństwa podziałów) związku między sektorową strukturą zatrudnienia (sektory: 1 – rolnictwo, leśnictwo i rybołówstwo; górnictwo i wydobywanie; 2 – przemysł; 3 – zaopatrzenie w energię elektryczną, gaz, parę wodną i klimatyzację; zaopatrzenie w wodę i budownictwo; 4 – usługi) a strukturą zatrudnienia w wybranych sekcjach tych sektorów, wydzielonych z uwagi na zaawansowanie technologiczne i intensywność wykorzystania wiedzy, w krajach Unii Europejskiej. Klasyfikacja państw Unii Europejskiej metodą pełnego wiązania, ze względu na strukturę zatrudnienia w sektorach oraz ocenianych sekcjach w roku 2008 i 2018, umożliwiła wydzielenie, w granicznych latach, różnolicznych grup: odpowiednio ośmiu i sześciu grup krajów, uwzględniając strukturę zatrudnienia w sektorach, oraz ośmiu i dziewięciu grup krajów w przypadku wyodrębnionych sekcji przemysłu o odmiennych poziomach zaawansowania technologicznego i usług, o różnej intensywności wykorzystania wiedzy. Do oceny podobieństwa otrzymanych klasyfikacji, a w konsekwencji do oceny relacji między badanymi strukturami zatrudnienia, stanowiącej cel badawczy artykułu, wykorzystano zaproponowaną przez A. Sokołowskiego (1976) miarę podobieństwa podziałów, która dla ocenianych układów wynosiła: struktury sektorowe w roku 2008 i 2018 – 0,839, struktury sekcji w roku 2008 i 2018 – 0,913, struktury sektorowe i w sekcjach w roku 2008 – 0,704, struktury sektorowe i w sekcjach w roku 2018 – 0,807.

9

Sektorowe struktury zatrudnienia w krajach Unii Europejskiej w latach 2008–2017 – nowe podejście w ocenie dynamiki

63%

Markowska M., Sokołowski A.

Prace Komisji Geografii Przemysłu Polskiego Towarzystwa Geograficznego

|

2019

|

vol. 33

|

issue 2

7-17

EN

The aim of the paper is to present a new idea in analysing changes in structures, assuming that structures change gradually through rather slow evolution. Employment structures of European Union countries, analysed in terms of 10 economic sections are definitely these types of structures. Single structure is a result of individual decisions undertakes by thousands of citizens. Cluster analysis is a method used in the paper, and what is new is a non-standard list of diagnostic variables. It consist of 10 coefficients of structure from the initial year of analysis (2008), 8 measures of structure changes from year to year and 9 measures of structure dissimilarity between each year and the initial one. Such a set of features describes structures at a starting point of analysis together with chain and fixed base dynamics. 28 EU countries are analysed, which creates a taxonomic problem [Y, TZ]. Using furthest neighbour agglomerative method we found 7 group of countries, and two of them are single-country groups. Differences between groups have been described by within-group averages.

PL

Celem pracy jest zaprezentowanie nowej koncepcji analizy zmian struktur, przy założeniu, że zmiany te nie są gwałtowne i mają raczej charakter ewolucyjny. Niewątpliwie takimi strukturami są struktury zatrudnienia w krajach Unii Europejskiej rozpatrywane w układzie 10 sekcji. Struktura taka powstaje w wyniku sumowania się decyzji lub zdarzeń dotyczących wielu tysięcy ludzi. Podstawową metodą stosowaną w pracy jest analiza skupień, a jej nowość polega na wykorzystaniu niestandardowego zestawu cech. Tworzy go 10 wskaźników struktury z wyjściowego roku analizy, czyli z roku 2008; 9 wartości miar zmian struktur z roku na rok oraz 8 wartości miar niepodobieństwa struktur z poszczególnych lat w stosunku do roku wyjściowego. Taki zestaw opisuje stan wyjściowy struktur oraz ich dynamikę łańcuchową i o podstawie stałej. Analizowanych jest 28 krajów Unii Europejskiej. Taki układ badawczy tworzy zagadnienie taksonomiczne [Y, TZ]. W wyniku zastosowania aglomeracyjnej metody najdalszego sąsiedztwa na danych niestandaryzowanych uzyskano siedem grup krajów, w tym dwie grupy jednoelementowe. Opisano różnice między tymi grupami na podstawie obliczonych średnich wartości cech w grupach

10

Metoda dekompozycji zmian struktury

63%

Markowska M., Sokołowski A.

Prace Komisji Geografii Przemysłu Polskiego Towarzystwa Geograficznego

|

2016

|

vol. Volume 30, Issue 3

25-32

PL

Pojęcie struktury jest na ogół używane w dwojakim znaczeniu. Pierwsze to konfiguracjapunktów w przestrzeni wielowymiarowej, a drugie to ciąg liczb nieujemnych, sumujących się do jedności.Rozpatrujemy strukturę w tym drugim sensie. Struktura jest wówczas pewnym efektem rachunkowym istniejącymtylko w wyniku porównań części z całością i mówimy wówczas o „kształcie”. Wartości elementówstruktury definiują jej „rozmiar”. Do istnienia nietrywialnej struktury potrzeba co najmniej dwóch jej składników.Zmiana rozmiaru nie musi powodować zmiany kształtu, jeżeli zmiany składników następują w tej samejproporcji. Natomiast zmiana kształtu nie może odbyć się bez zmiany rozmiaru. W pracy zaproponowanomiary udziału elementu struktury w jej zmianach przy porównywaniu struktur w dwóch obiektach (lub okresach),zarówno w odniesieniu do rozmiaru, jak i do kształtu. Określają one udział składnika w zmianach, a ichznak wskazuje, czy był to wzrost, czy spadek udziału. Suma modułów wartości miar dla wszystkich składnikówstruktury jest równa jedności. W pracy poddano analizie zmiany sektorowej struktury zatrudnieniaw regionach Republiki Czeskiej w latach 2008–2014.

EN

Structure can be understood in two ways. The first one means the configuration of points in a multidimensional space, and the second one is a sequence of nonnegative numbers summing to one. In the paper the authors analyse the latter meaning of structure. It is in fact an arithmetic result of comparing parts with the whole and only then can we talk about “shape”. Values of structure elements define its “size”. We need at least two elements to have a nontrivial structure. A change in size does not have to cause a change in shape if changes in size are proportional for all elements. The change in shape must follow the change in size. Two measures have been proposed in the paper to reflect both types of changes while comparing two structures. They show the share of each structure element in changes and their sign define the direction of influence (positive or negative). Absolute values of each measure sum up to one. As an example, the analysis of structural employment changes in the regions of Czech Republic, between 2008 and 2014 is presented in the paper.

11

Miasta wojewódzkie a ich otoczenie – trendy zmian sektorowej struktury pracujących

63%

Markowska M., Strahl D.

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu

|

2017

|

issue 477

135-143

PL

Celem artykułu jest ocena trendów zmian sektorowej struktury pracujących w polskich miastach – stolicach województw i ich otoczeniu (powiatach sąsiadujących) w latach 2005-2014. Wykorzystano dane GUS (BDL) o liczbie pracujących w sektorach (rolnictwo, przemysł, finanse, handel i usługi) w wybranych jednostkach terytorialnych szczebla NUTS 4 – 18 miast będących administracyjnymi centrami polskich regionów oraz 44 sąsiadujące z nimi powiaty. Do ustalenia trendów zmian posłużyła modyfikacja miary podobieństwa struktur, co pozwoliło na wydzielenie grup miast, w których nastąpiło – w sensie upodabniania – zbliżanie (9 miast) lub oddalanie się (4) struktur pracujących w analizowanym okresie, oraz budowę prognoz zmian na trzy kolejne lata.

12

Dostosowanie przedsiębiorstw do wymogów czwartej rewolucji przemysłowej – ujęcie regionalne

63%

Sokołowski A., Markowska M.

Wiadomości Statystyczne. The Polish Statistician

|

2021

|

vol. 66

|

issue 1

32-48

PL

The aim of the paper is to propose a composite indicator characterising the level of development of Polish NUTS 2 regions with respect to the implementation and results of the changes the fourth industrial revolution (Industry 4.0) entails, and to present a ranking of regions illustrating the degree to which enterprises have adjusted to the requirements of Industry 4.0. Data used for the calculations have been based on the results of an experimental research conducted by Statistics Poland (GUS) in 2019. Two methods for constructing the composite indicators have been used - classical and iterative which is to assess the indicator's resilience to the influence of any potential outliers. 10 sub-criteria, covered by 21 variables have been taken into account. Opolskie region appeared to be the best NUTS 2 region in Poland in terms of the implementation of the requirements outlined by Industry 4.0. The evaluation of the proposed composite indicator will be possible when comparing it with the results of similar surveys carried out by GUS in the future.

EN

Celem artykułu jest zaproponowanie agregatowego wskaźnika poziomu rozwoju polskich regionów szczebla NUTS 2 w zakresie wdrażania i efektów rozwiązań charakteryzujących czwartą rewolucję przemysłową (Przemysł 4.0) oraz przedstawienie rankingu regionów pod względem dostosowania przedsiębiorstw do wymogów Przemysłu 4.0. Podstawą obliczeń były wyniki badania eksperymentalnego przeprowadzonego przez GUS w 2019 r. Zastosowano dwie metody wyznaczania wskaźnika agregatowego: klasyczną oraz iteracyjną, która uwzględnia ocenę odporności wskaźnika na ewentualne obserwacje odstające. Zakres przedmiotowy obejmował 10 podkryteriów, a w ich ramach – 21 cech statystycznych. Przodującym regionem pod względem wdrażania rozwiązań z zakresu Przemysłu 4.0 okazało się woj. opolskie. Ocena trafności zaproponowanego wskaźnika będzie możliwa na podstawie porównań z wynikami analogicznych badań GUS przeprowadzanych w kolejnych latach.

13

Fuzzy classification of European regions in the evaluation of smart growth

63%

Markowska M., Jefmański B.

Przegląd Statystyczny

|

2012

|

vol. 59

|

issue 1

74-93

EN

“Europe 2020 Strategy” presents the vision of European economy development, in which smart development, i.e. development based on knowledge and innovation, constitutes one of major priorities. Smart specialization which refers to enterprises, research centres and high schools cooperating in defining the most promising areas of specialization in a given region, represents one of crucial smart development components. Smart specialization refers to both, the concept and the tool, allowing regions and countries to assess their unique position in knowledge-based economy. This knowledge should not be underestimated at the stage of preparing regional and interregional policy assumptions and specifying directions for the distribution of financial means allocated to further development of regions, constructing their advantage in regional space and position in knowledge based economy. Therefore, the essential objective of the hereby study is to distinguish classes of regions in European space with regard to one complex phenomenon, i.e. smart specialization. For this reason both classical and fuzzy classification methods were applied. Such approach facilitated e.g. specifying these regions for which it is difficult to provide clear division regarding their membership in distinguished classes. They are the regions which “keep searching” for their optimum path of smart development and which should be offered particular attention from entities managing development at regional, national and overall EU level.

PL

„Strategia Europa 2020” stanowi wizję rozwoju gospodarki europejskiej, dla której jednym z priorytetów jest rozwój inteligentny czyli oparty na wiedzy i innowacjach. Istotnym elementem inteligentnego rozwoju jest inteligentna specjalizacja obejmująca przedsiębiorstwa, ośrodki badawcze oraz szkoły wyższe, które współpracują na rzecz określenia najbardziej obiecujących obszarów specjalizacji w danym regionie. Stanowi ona zarówno koncepcję jak i narzędzie pozwalające regionom i krajom ocenić ich unikalną pozycję w gospodarce opartej na wiedzy. Trudno przecenić tą wiedzę na etapie formułowania założeń polityk regionalnych i interregionalnych oraz ustalania kierunków dystrybucji środków finansowych przeznaczonych na dalszy rozwój regionów budujących swoją przewagę w przestrzeni regionalnej oraz pozycję w gospodarce opartej na wiedzy. Dlatego zasadniczym celem niniejszego opracowania było wyodrębnienie klas regionów w przestrzeni europejskiej ze względu na zjawisko złożone jakim jest inteligentna specjalizacja. W tym celu zastosowano klasyczne i rozmyte metody klasyfikacji. Podejście takie umożliwiło m.in. wskazanie tych regionów, dla których nie można jednoznacznie określić przynależności do wyodrębnionych klas. Są to regiony „poszukujące” optymalnej ścieżki inteligentnego rozwoju, które winne zostać otoczone szczególną uwagą przez podmioty zarządzające rozwojem zarówno na szczeblu regionalnym, krajowym jak i całej wspólnoty europejskiej.

14

The Assessment Of Geographical Borders In Economic Research

63%

Markowska M., Sobolewski M.

Comparative Economic Research. Central and Eastern Europe

|

2016

|

vol. 19

|

issue 5

99-123

PL

Długość wspólnej granicy między dwiema jednostkami geograficznymi jest często używana jako podstawowa waga w analizie zależności przestrzennych. Najnowsze propozycje dotyczą m.in. testowania wpływu podziału geograficznego wyższego rzędu na podział niższego rzędu (Markowska i in. 2014; Sokołowski i in. 2013), regionalnej przestrzennej średniej ruchomej oraz nowego współczynnika korelacji przestrzennej (Markowska i in. 2015). W cytowanych pracach nowe metody zilustrowano na przykładach analiz regionów Unii Europejskiej szczebla NUTS 2. Jest oczywiste, że w sensie oddziaływania społeczno-ekonomicznego granice pomiędzy regionami należącymi do różnych państw mają inną ważność niż granice międzyregionalne w ramach tego samego państwa. W niniejszej pracy podano prostą propozycję oceny ważności granic. Należy wziąć jakąś zmienną makroekonomiczną nie wykorzystywaną w aktualnych analizach (np. PKB, śmiertelność niemowląt, wartość HDI) a dostępną na poziomie NUTS 2 i określić lokalną ważność granic dzieląc większą wartość tej zmiennej przez mniejszą dla regionów leżących po obu stronach danej granicy. Następnie rozsądne wydaje się uśrednienie tych ocen ważności dla wewnętrznych granic w każdym z krajów osobno, oraz dla granic międzypaństwowych. Można też wykorzystać oceny ważności bez uśredniania do zbudowania dodatkowego systemu wag.

EN

The length of common border between two geographical units is frequently used as a basic weight in spatial analysis. The newest methodological propositions such as tests for hierarchical relations (Markowska et. al. 2014; Sokołowski et. al. 2013), regional spatial moving average and new spatial correlation coefficient (Markowska et. al. 2015) are using border lengths. In cited references new methods have been illustrated by analyses for EU NUTS2 regions. It is obvious that borders between regions belonging to different countries have different socio-economic impact than borders between regions lying in the same country. A new simple method for assesment the importance of borders is proposed in the paper. It is based on a chosen macroeconomic variable available at NUTS 2 level (e.g. GDP, infant mortality, Human Development Index). For neighboring regions bigger value is divided by smaller value giving the local importance of the given border. These measures of local border importance can be than average for borders within the same country and for borders for each pair of neighboring countries.

15

WRAŻLIWOŚĆ REGIONALNYCH RYNKÓW PRACY UNII EUROPEJSKIEJ NA KRYZYS EKONOMICZNY. KLASYFIKACJA METODĄ WARDA Z WARUNKIEM SPÓJNOŚCI

63%

Markowska M., Sobolewski M.

Acta Universitatis Lodziensis. Folia Oeconomica

|

2014

|

vol. 6

|

issue 308

EN

The popular clustering procedures applied in administrative units clustering (regions, districts, municipalities) frequently result in distinguishing incoherent groups, which is difficult to accept by the analyses addressees. The intuitive approach also imposes the investigation of coherent divisions, since it greatly facilitates both the interpretation of results and their practical application. The study presents the modification of Ward method by applying the condition of cluster coherence at every agglomeration stage. Therefore the starting point of the clustering procedure is not only the distance matrix between objects, but also their mutual neighbourhood matrix, most often understood literally, in the geographical sense. While searching for two closest clusters only the neighbouring ones were considered. The modified clustering algorithm was implemented as the extension of STATISTICA software. The modified clustering algorithm is illustrated by the classification results of the European Union regions regarding sensitivity to economic crisis. The objective of analysis was to distinguish the coherent division of EU regions against the selected diagnostic variables illustrating changes on the EU labour markets in the period 2008-2012.

PL

Popularne procedury grupowania zastosowane do grupowania jednostek administracyjnych (regionów, powiatów, gmin), prowadzą bardzo często do wyodrębnienia niespójnych grup, co bywa trudne do zaakceptowania przez odbiorców analiz. Także podejście intuicyjne każe poszukiwać podziałów koherentnych, bowiem znakomicie ułatwia to zarówno interpretację wyników jak i ich praktyczne wykorzystanie. W pracy przedstawiono modyfikację metody Warda poprzez wprowadzenie warunku spójności skupień na każdym etapie aglomeracji. Punktem wyjścia procedury grupowania jest zatem nie tylko macierz odległości pomiędzy obiektami, ale także macierz ich wzajemnego sąsiedztwa, najczęściej rozumianego dosłownie, w sensie geograficznym. Poszukując dwóch najbliższych sobie skupień, pod uwagę brane są tylko te z nich, które ze sobą sąsiadują. Zmodyfikowany algorytm grupowania zaimplementowano jako rozszerzenie programu STATISTICA. Ilustracją zmodyfikowanego algorytmu grupowania są wyniki klasyfikacji regionów Unii Europejskiej ze względu na wrażliwość na kryzys ekonomiczny. Celem analizy było wyodrębnienie spójnego podziału regionów unijnych względem wybranych zmiennych diagnostycznych, ilustrujących zmiany na regionalnych rynkach pracy UE w latach 2008-2012.

16

Hierarchical Clustering Methods With Territorial Integrity Criterion

63%

Sobolewski M., Markowska M.

Acta Universitatis Lodziensis. Folia Oeconomica

|

2017

|

vol. 4

|

issue 330

PL

Na konferencji „Ekonometria przestrzenna i regionalne analizy ekonomiczne”, która odbyła się w Łodzi w 2014 roku, zaproponowano wprowadzenie warunku spójności przestrzennej do metody Warda, stosowanej do grupowania jednostek administracyjnych. Na każdym etapie aglomeracji w zmodyfikowanej metodzie Warda uwzględniane są tylko te skupienia, które ze sobą sąsiadują. Niniejszy artykuł stanowi rozszerzenie tej koncepcji na inne metody grupowania hierarchicznego, w szczególności metodę prostych i zupełnych połączeń. Zwrócono uwagę na korzyści płynące z zastosowania metody grupowania z warunkiem spójności, akcentując jednak także pewne ograniczenia tych procedur. Wprowadzenie warunku ograniczającego podczas procedury grupowania hierarchicznego powoduje przede wszystkim zmniejszenie jednorodności wyodrębnianych skupień. Ograniczenia przestrzenne mogą też prowadzić do sytuacji, kiedy odległość między skupieniami łączonymi na późniejszym etapie jest mniejsza niż na etapie wcześniejszym (można tu mówić o graficznym „cofaniu się” dendrogramu). Od tej aberracji wolna jest metoda zupełnych połączeń, gdzie odległość między skupieniami jest wyznaczana jako maksimum odległości między ich elementami. Zmodyfikowany algorytm grupowania zaimplementowano jako rozszerzenie programu STATISTICA. Przykłady zastosowania metod grupowania hierarchicznego z warunkiem spójności dotyczą europejskiej przestrzeni regionalnej (w układzie NUTS–2) w latach poprzedzających i następujących po kryzysie finansowym 2008 roku. Celem analiz było wyodrębnienie spójnych przestrzennie obszarów, które charakteryzowałyby się podobną wrażliwością na zjawiska kryzysowe w obszarze rynku pracy.

EN

During the conference entitled Spatial Econometrics and Regional Economic Analyses, which took place in Lodz in 2014, there was a proposition to introduce the spatial coherence property into the Ward method, which is applied to group administrative units [1]. At each stage of agglomeration in the modified Ward method, there are included only those aggregates which are adjacent to each other. This work is an extension of this concept based upon other methods of hierarchical clustering, in particular the single and complete linkage method. The study highlighted the benefits of clustering methods with the coherence property, also emphasizing the limitations of these procedures. First of all, the introduction of the restricting condition during the procedure of the hierarchical clustering reduces the homogeneity of isolated clusters. Spatial constraints may also lead to a situation where the distance between the clusters linked at a later stage is smaller than at an earlier stage (graphically, we can talk about the dendrogram “backflow”). The method of complete linkage is free of these aberration where the distance between the clusters is defined as the maximum distance between their elements. The modified clustering algorithm was implemented as an extension of STATISTICA software. Examples of an application of the hierarchical clustering method with the coherence concern sector changes in the European regional space. The aim of the analysis was to isolate spatially coherent areas that demonstrate a similar direction and intensity of structural change in selected areas of the labour market.

17

European Regional Space Classification Regarding Smart Growth Level

63%

Markowska M., Strahl D.

Comparative Economic Research. Central and Eastern Europe

|

2012

|

vol. 15

|

issue 4

233-247

EN

Europe 2020 strategy, as the successor of Lisbon strategy, represents the vision of social market economy for Europe of the 21st century covering three related priorities: 1/ smart growth: knowledge based economy and innovation growth; 2/ sustainable growth: support for effective and taking advantage of resources economy which is more environmentally friendly and more competitive; 3/ inclusive growth: support for high employment level economy providing social and territorial cohesion. The paper presented classification results including European regional space positional statistics regarding advancement and smart growth level in NUTS 2 regions. Regional smart growth covers three pillars: innovation, creativity (Knowledge Based Economy) and smart specialization illustrated by characteristics available in Eurostat data resources. These qualities constituted the basis for constructing aggregate measures for specific pillars and also for the purposes of regional classification. The results of obtained classes were assessed in an overall European space, in groups of regions distinguished in line with integration processes chronology and also in capital regions and these including the country capital, as well as in the system of Polish regions.

18

Taksonomia dynamiki zmian struktury zatrudnienia w nowoczesnym przemyśle i usługach, w regionach Unii Europejskiej

51%

Markowska M., Strahl D., Sokołowski A.

Prace Komisji Geografii Przemysłu Polskiego Towarzystwa Geograficznego

|

2014

|

vol. 26

46-64

PL

Celem pracy jest analiza zmian udziału zatrudnionych w nowoczesnych, rozwiniętych technologicznie usługach i przemyśle w regionach Unii Europejskiej na poziomie NUTS 2. Wykorzystano dane z lat 1999–2008, kiedy były one w miarę kompletne i porównywalne. Dla każdej cechy osobno i dla każdego regionu oszacowano tendencję rozwojową. Współczynniki trendu potraktowano jako zmienne wejściowe do analizy taksonomicznej. Przy pomocy metody Warda zidentyfikowano liczbę grup regionów, różniących się modelem dynamiki zmian zatrudnienia w analizowanych sferach. Ostateczny podział regionów ze względu na dynamikę uzyskano przy pomocy metody k-średnich. Wyniki grupowania były weryfikowane przy pomocy jednoczynnikowej analizy wariancji. Na końcu ustalono modele dynamiki typowe dla wyróżnionych grup regionów.

EN

The objective of the study is to analyze changes of employment share in modern, high-tech services and industry in the European Union regions at NUTS 2 level. The data covering the period of 1999–2008 were used since they are relatively complete and comparable. The growth tendency, separately for each quality/property and for each region, was estimated. Trend coefficients were used as input variables for the purposes of cluster analysis. By applying Ward’s method identified was the number of regional clusters, which differ by the model of employment changes dynamics in the analyzed spheres. The ultimate division of regions in terms of dynamics was obtained by using the k-means method. The results of clustering were verified by applying one-way analysis of variance. Finally the models of dynamics typical for the distinguished clusters of regions were specified.

19

Rewitalizacja miejskich dolin rzecznych jako istotny aspekt polityki miejskiej – doświadczenia z realizacji projektu REURIS w Polsce

51%

Gieroszka A., Markowska M., Trząski L.

Problemy Rozwoju Miast

|

2014

|

issue 2

43-55

PL

Rewitalizacja fragmentu doliny rzeki Ślepiotki w Katowicach oraz fragmentu Starego Kanału w Bydgoszczy została wykonana w ramach projektu REURIS (Rewitalizacja miejskich przestrzeni nadrzecznych), realizowanego w latach 2008–2012 w ramach Programu dla Europy Środkowej. Celem działań w projekcie było stworzenie zielonej przestrzeni rekreacyjnej w dolinie rzecznej, przyjaznej dla mieszkańców miasta i o wysokich wartościach środowiskowych. W drodze współpracy międzynarodowej wypracowano narzędzia umożliwiające przeprowadzenie kompleksowej rewitalizacji miejskich przestrzeni nadrzecznych oraz zilustrowano je poprzez praktyczne wdrożenie. Działania rewitalizacyjne bezpośrednio wpływają na życie mieszkańców, zatem ich pomyślna realizacja w sposóbszczególny wymagała nie tylko aprobaty społeczności, ale także realnego wsparcia z ich strony. W projekcie REURIS przygotowaniu i przeprowadzeniu procesu partycypacji społecznej poświęcono dużo uwagi. Dla osiągnięcia najlepszych efektów przyjęto wieloetapowy plan działań, obejmujący m.in. opracowanie diagnozy stanu, wypracowanie scenariusza rozwoju dla rewitalizowanego obszaru oraz wygenerowanie i priorytetyzację dalszych potencjalnych działań rewitalizacyjnych. Planowanie kooperatywne z udziałem lokalnych interesariuszy we wszystkich etapach prac umożliwiło aprojektowanie i budowę atrakcyjnej, dostępnej i bezpiecznej przestrzeni nadrzecznej, a także wpłynęło na postrzeganie rzeki jako wartościowego elementu przestrzeni miejskiej. Rezultaty projektu wpisują się w wyzwania sformułowane w Krajowej Polityce Miejskiej, dotyczące rewitalizacji zdegradowanych społecznie, ekonomicznie i fizycznie obszarów miejskich oraz poprawy jakości życia.

EN

In this paper, the authors present conclusions from urban regeneration efforts in the Ślepiotka River valley in Katowice and the Old Canal in Bydgoszcz, based on research for the REURIS project (Regeneration of Urban River Spaces), which has been implemented as part of the CENTRAL EUROPE Programmefrom 2008 till 2012. The aim of the project was to create green recreational public spaces in an urban river corridor, combining high environmental quality with attractiveness and accessibility for local residents. This was achieved by developing sustainable river area regeneration tools through transnational collaboration and illustration via practical field implementation. A multi-stage plan of action was adopted including the following sequence of activities: (1) diagnosis of the problem at hand, (2) development of scenarios for the revitalised area, and (3) generation and prioritisation offurther potential revitalisation work. As revitalisation activities directly affect the lives of local residents, successful implementation in a particular way not only requires the approval of the local community, but also demands real support from residents. Therefore, public participation and consensus procedures were used for the generation of revitalisation scenarios. Cooperative planning with the involvement of local stakeholders at all stages of design and construction made it possible to create attractive, accessible, and safe riverside spaces. REURIS project results fit solutions to the challenges set out in Poland‟s National Urban Policy, especially those concerning the revitalisation of socially, economically or spatially blighted urban areas.

20

Dynamiczne skalowanie wielowymiarowe w analizie zmian struktury zatrudnienia w krajach Unii Europejskiej w latach 1999–2016

51%

Markowska M., Sokołowski A., Strahl D.

Prace Komisji Geografii Przemysłu Polskiego Towarzystwa Geograficznego

|

2019

|

vol. 33

|

issue 1

7-17

EN

Multidimensional Scaling method makes it possible to show the configuration of multivariate objects in the space with less dimensions than the original one (usually on the plane) in such a way that a distance matrix calculated in lower dimension is the most similar to the distance matrix calculated in the original multivariate space. The application of this approach for the analysis of spatio-temporal structures is presented in the paper. Structures are described by shares, so no standardisation (or normalisation) is needed to eliminate the measurement units. Separate Multidimensional Scaling is performed for each time point. On the sequence of results we can follow the changes of object position. Those trajectories can be approximated by trend functions. The example considered in the paper deals with the employment structure in 28 European Union countries in 1999–2016. Structures are calculated on the basis of 10 aggregated sections of the economy.

PL

Skalowanie wielowymiarowe to metoda pozwalająca na przedstawienie obserwacji złożonych w przestrzeni o mniejszej liczbie wymiarów (zazwyczaj na płaszczyźnie) w taki sposób, aby macierz odległości liczonych na płaszczyźnie była jak najbardziej podobna do macierzy liczonej w przestrzeni oryginalnej. W pracy przedstawiono propozycję wykorzystania tego podejścia w analizie struktur przestrzenno-czasowych. Struktury są opisane udziałami, zatem nie jest konieczna procedura doprowadzania udziałów do porównywalności ze względu na jednostkę miary. Dla każdej jednostki czasu przeprowadzane jest osobne skalowanie wielowymiarowe. Ciąg wyników pozwala śledzić przemieszczanie się badanych obiektów względem innych w zbiorze. Te trajektorie można aproksymować funkcjami trendu. Rozważany przykład merytoryczny to analiza struktur zatrudnienia w 28 krajach Unii Europejskiej w latach 1999–2016. Struktury te liczone są w podziale na 10 zagregowanych sekcji.

Refine search results

Ocena zmian struktury pracujących w unijnych regionach szczebla NUTS 2 z wykorzystaniem miary Braya i Curtisa

European Capital Cities and Their Surroundings – Innovativeness Convergence or Divergence?

Identyfikacja znaczenia krajów w gospodarce Unii Europejskiej z wykorzystaniem miary dekompozycji zmian struktury

Dynamika innowacyjności regionów Unii Europejskiej w latach 1999–2008

Brief review of logit models applications in regional studies

THE ANALYSIS OF DIVERSIFICATION TENDENCIES IN THE REGIONAL INNOVATIVENESS OF EU COUNTRIES 1999-2012

Ocena udziału sektorów w zróżnicowaniu struktur zatrudnienia w Warszawie i powiatach sąsiadujących w latach 2005–2014

Klasyfikacje krajów Unii Europejskiej z uwagi na struktury zatrudnienia w sektorach i wybranych sekcjach – ocena zgodności podziałów

Sektorowe struktury zatrudnienia w krajach Unii Europejskiej w latach 2008–2017 – nowe podejście w ocenie dynamiki

Metoda dekompozycji zmian struktury

Miasta wojewódzkie a ich otoczenie – trendy zmian sektorowej struktury pracujących

Dostosowanie przedsiębiorstw do wymogów czwartej rewolucji przemysłowej – ujęcie regionalne

Fuzzy classification of European regions in the evaluation of smart growth

The Assessment Of Geographical Borders In Economic Research

WRAŻLIWOŚĆ REGIONALNYCH RYNKÓW PRACY UNII EUROPEJSKIEJ NA KRYZYS EKONOMICZNY. KLASYFIKACJA METODĄ WARDA Z WARUNKIEM SPÓJNOŚCI

Hierarchical Clustering Methods With Territorial Integrity Criterion

European Regional Space Classification Regarding Smart Growth Level

Taksonomia dynamiki zmian struktury zatrudnienia w nowoczesnym przemyśle i usługach, w regionach Unii Europejskiej

Rewitalizacja miejskich dolin rzecznych jako istotny aspekt polityki miejskiej – doświadczenia z realizacji projektu REURIS w Polsce

Dynamiczne skalowanie wielowymiarowe w analizie zmian struktury zatrudnienia w krajach Unii Europejskiej w latach 1999–2016