Full-text resources of CEJSH and other databases are now available in the new Library of Science.
Visit https://bibliotekanauki.pl

Results found: 7

first rewind previous Page / 1 next fast forward last

Search results

Search:
in the keywords:  Regression models
help Sort By:

help Limit search:
first rewind previous Page / 1 next fast forward last
1

Odległość jako determinanta migracji wewnętrznych na Dolnym Śląsku

100%
Krupowicz J.
Wiadomości Statystyczne. The Polish Statistician
|
2000
|
issue nr 5
74-78
XX
Analizę migracji ludności województw dolnośląskich przeprowadzono na podstawie spisów powszechnych z lat 1978 i 1988 oraz dodatkowo, dla woj. wrocławskiego, z bieżącej sprawozdawczości. (fragment tekstu)
2
Publication available in full text mode
Content available

Model regresyjny wartości pojedynczej szkody uwzględniający polisy bezszkodowe

75%
Wolny-Dominiak A., Czernik T., Acedański J.
Studia Ekonomiczne
|
2015
|
vol. 242
255-264
PL
Celem pracy jest zaproponowanie rozkładu prawdopodobieństwa, w którym dowolny rozkład dyspersyjnej rodziny rozkładów wykładniczych zostaje rozszerzony o wartości zerowe (ozn. ZA-rozkład). Rozkład ten wykorzystywany jest dalej do konstrukcji modelu regresyjnego mającego zastosowanie w prognozowaniu wartości pojedynczej szkody w masowym portfelu polis ubezpieczeniowych (np. komunikacyjne czy nieruchomości).
EN
In the paper, we introduce probability distribution which augments any distribution from the exponential family with zero value (ZA-distribution). The new distribution is then employed in a regression model applied for forecasting value of a single claim in a large insurance portfolio (motor or property).
3

Porównanie metod Akaike i Hellwiga w zakresie efektywności konstrukcji modelu regresyjnego

75%
Rosienkiewicz M.
Wiadomości Statystyczne. The Polish Statistician
|
2012
|
issue nr 10
27-43
XX
Celem naszym było porównanie kryterium Akaike i metody Hellwiga oraz wykazanie, który z tych sposobów jest bardziej efektywnym narzędziem doboru zmiennych objaśniających do modelu i tym samym uzyskania modelu optymalnego. Aby umożliwić porównanie opracowano specjalny program w języku R (The R Project for Statistical Computing, R language). Program ten oparty jest na prostej symulacji, która polega na wygenerowaniu zestawu danych posiadających rozkład normalny, a następnie zbudowaniu modelu liniowego, w którym zmienna objaśniana jest zależna od danych wcześniej wygenerowanych. W kolejnym etapie zastosowane są analizowane metody wyboru modelu, czyli sposoby Akaike i Hellwiga, a następnie dokonywane jest porównanie, która z tych metod wskazała właściwy model. Przeprowadzenie symulacji według różnych parametrów pozwoliło porównać skuteczność omawianych metod doboru zmiennych objaśniających. Następnie przeprowadzono porównanie tychże metod na podstawie budowy modeli wykorzystujących dane empiryczne. Otrzymane wyniki stały się solidną podstawą porównania kryterium informacyjnego Akaike oraz metody Hellwiga. Pozwoliły one na wskazanie, który z tych sposobów jest właściwym narzędziem doboru zmiennych objaśniających do modelu ekonometrycznego. (fragment tekstu)
EN
This paper presents a comparison of the Akaike Information Criterion (AIC) and the Hellwig Method as methods that select explanatory variables to a model and thus enable a choice of the true model. This comparison was made in two ways. At first, the simulations were constructed in the R software (The R Project for Statistical Computing). The purpose of these simulations was to identify which of the analyzed methods more times indicates the true model. Secondly, a comparison of both methods was made on the basis of empirical data. From the set of potential explanatory variables, a set of variables was selected according to the Akaike method and the other set according to the Hellwig method. On the basis of each of the selected sets, a model was developed. Subsequently, both models were compared in terms of their adjusted coefficients of determination, standard errors of estimate and the goodness-of-fit. Results given by the simulations and results coming from the empirical models analysis indicated that the Akaike Information Criterion is a better, more efficient and more reliable tool for selecting the optimal set of explanatory variables and the true econometric model. (original abstract)
4
Publication available in full text mode
Content available

Wybrane statystyki odporne

63%
Trzpiot G.
Studia Ekonomiczne
|
2013
|
vol. 152
163-173
EN
Outliers are sample values that cause surprise in relation to the majority of the sample. This is not a pejorative term; outliers may be correct, but they should always be checked for transcription errors. Many robust and resistant methods have been developed since 1960 to be less sensitive to outliers. This methods can be used instead or be even better than classical one. Robust methods were used early in me works (Trzpiot 2009, 2011a, 2011b) as an application in finance and economy. This article has a descriptive character, connected with new book for students.
5
Publication available in full text mode
Content available

Modelowanie liczby szkód w ubezpieczeniach komunikacyjnych w przypadku występowania dużej liczby zer, z wykorzystaniem procedury kroswalidacji

63%
Wolny-Dominiak A.
Studia Ekonomiczne
|
2013
|
vol. 124
115-129
EN
The problem in the analysis of insurance data is modeling the number of claims occurring in a given portfolio policy using regression assuming a Poisson distribution which is not always justified, since sometimes the data contains a large number of zeros. This paper presents a generalized Poisson regression for the counter variable and a modified version of Poisson regression taking into account the situation of the presence of a large number of zeros in the data (called zero-inflated Poisson regression). Various types were analyzed in order to determine which variables influence the occurrence tarification zeros in the portfolio policy using the procedure 10 times the patch validation. The result is ranking for classification policies because of the number of generated damage.
6

Przyczyny bierności zawodowej osób niepełnosprawnych

63%
Bieszk-Stolorz B.
Wiadomości Statystyczne. The Polish Statistician
|
2014
|
issue 1
19-37
XX
Celem artykułu było zbadanie wpływu płci, miejsca zamieszkania, poziomu wykształcenia, wieku i stopnia niepełnosprawności osób niepełnosprawnych na ich bierność zawodową oraz wpływu płci, miejsca zamieszkania i stopnia niepełnosprawności na prawdopodobieństwo przyczyn tej bierności. W badaniu wykorzystano dane z badań GUS z lat 2007-2011. Analiza przebiegała dwuetapowo. Wykorzystano w niej modele regresji logistycznej - dwumianowy i wielomianowy. Wyznaczono ryzyko względnej bierności w stosunku do aktywności zawodowej oraz obliczono prawdopodobieństwo bierności zawodowej osób niepełnosprawnych z określonej przyczyny. (fragment tekstu)
EN
In recent years there has been an increase in employment of people with dis-abilities in Poland. However, the activity rate of the population is still low. The author based on extensive review of the literature on the subject has made international comparisons. The main goal of this article is to examine the influence of gender, place of residence, educational level, age and degree of disability of people with disabilities in their passivity employment as well as the influence of gender, place of residence and degree of disability on the probability of the rea-sons for this passivity. The study used data from CSO of Poland. The data were analyzed using logistic regression models binomial and multinomial. A relative risk of passivity in relation to activity was determined and the probability of inactivity of people with disabilities from a specific cause was calculated.(original abstract)
7
Publication available in full text mode
Content available

Analiza możliwości zastosowania metody DEA W modelach scoringowych

51%
Nowak A. K., Matuszyk A.
Studia Ekonomiczne
|
2014
|
vol. 186 cz 1
113-126
EN
A clue for the research have become analysis made by A. Feruś in 2006, In which the author points the possibility of extending classical scoring models with the DEA method, allowing to predict a credit risk. In 2006, in the era of the Basel II implementation, the possibility of such an extension was not reflected in the practice of banks in Poland. But now, as a part of the Basel III implementation, it is reasonable to consider the possibility of their expantion, for example using the DEA . The study was carried out on the basis of 139 companies operating in Poland in 2010-2011 data and a comparison with their actual condition in 2012. Survey results both for 2010 and 2011 indicate a weaker prediction of the scoring models alone than scoring models with DEA In terms of: correct customers classification and the value of a R2 determination factor.
first rewind previous Page / 1 next fast forward last
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.