W ostatnich latach zaproponowano pewne modyfikacje metod porządkowania liniowego jednostek terytorialnych, mające na celu uwzględnienie występujących pomiędzy nimi relacji przestrzennych. Nowość polega na wprowadzeniu etapu wygładzania przestrzennego wartości zmiennych diagnostycznych. W większości opublikowanych do tej pory prac przyjęto zasadę, by korektę na relacje przestrzenne stosować tylko dla cech diagnostycznych wykazujących istotną statystycznie autokorelację przestrzenną. Jednak w takiej sytuacji zastosowanie wygładzania przestrzennego w niewielkim stopniu wpływa na wartości tej cechy, a więc i wyniki rankingu. Z drugiej strony można podać przykłady cech diagnostycznych, które nie wykazują autokorelacji przestrzennej, a z powodów merytorycznych powinny być korektom przestrzennym poddane. Wnioski są jednoznaczne – konieczność stosowania procedury wygładzania przestrzennego zmiennych diagnostycznych nie może być utożsamiana z występowaniem autokorelacji przestrzennej
Dynamiczne zmiany obserwowane na rynkach światowych związane przede wszystkim ze spowolnieniem gospodarczym, ale również będące, jak w przypadku Japonii efektem katastrof naturalnych, są głównym powodem konieczności uwzględniania nowych warunków funkcjonowania w globalnych strategiach korporacji. Mają one również bezpośredni wpływ na decyzje dotyczące lokalizacji zagranicznych inwestycji. Jednym z czynników coraz bardziej wpływającym na decyzje lokalizacyjne inwestorów jest stabilność rozwoju gospodarki rozpatrywana nie tylko w odniesieniu do danego kraju, ale również całego regionu geograficznego. Jest to szczególnie istotne w przypadku takich konstrukcji polityczno-gospodarczych jak Unia Europejska, skupiających kraje o znacznych różnicach w poziomie rozwoju oraz o odmiennych warunkach i doświadczeniach funkcjonowania. Celem pracy jest analiza jednorodności zmian w czasie wskaźników mogących decydować o atrakcyjności (konkurencyjności gospodarki) Europy jako miejsca dla lokalizacji zagranicznych inwestycji. Do badania jednorodności rozwoju w czasie badanych obiektów społeczno-gospodarczych wykorzystany został rachunek wektorowy. Wyniki badań potwierdziły znaczną niejednorodność rozwoju w czasie analizowanych wskaźników. Przedstawione w pracy rozważania są częścią projektu badawczego pt. „Metody zarządzania w japońskich łańcuchach dostaw w Polsce i Wielkiej Brytanii”, finansowanego ze środków Narodowego Centrum Nauki.
EN
Dynamic changes observed on global markets mainly due to the economic slowdown but also as in the case of Japan the effect of natural disasters, are the main reason for the need to take into account the new operating conditions in global logistics strategies of corporations. They also have a direct impact on decisions concerning the location of foreign investment. One of the factors increasingly influencing the location decisions of investors is the stability of economic development measured not only in relation to that country, but also the entire geographic region. This is particularly important in the case of such political and economic structures like the European Union, bringing together countries with significant differences in levels of development and with different conditions and experiences of functioning. The aim of this study is to analyze the temporal uniformity of indicators which could determine the attractiveness (economic competitiveness), of the European Union as a place for the location of foreign investment. For the study of this temporal uniformity the calculus vector was used. The results confirmed the considerable temporal diversity of development of the analyzed indicators. Presented results are part of a research project called “Management methods in Japanese supply chains in Poland and the UK”, funded by the National Science Centre.
The aim of the research is to indicate the influence of economic determinants of interregional migration flows in Poland in the years 1999— —2015. The analysis was conducted on the basis of data from the Local Data Bank of Statistics Poland using descriptive methods of migration flows differentiation analysis, wages and unemployment rates in time and space and spatial econometrics methods: the least squares method (LSM), generalised method of moments (GMM), logistic models and fixed effects models. The conclusions of the research are as follows: migration inflows are most strongly influenced by relative wages, and outflows by the relative unemployment rate. Moreover, migrants decide to change their place of residence, taking into account a spatial factor.
PL
Celem badania jest wskazanie oddziaływania determinant ekonomicznych na międzyregionalne przepływy migracyjne w Polsce w latach 1999—2015. Badanie przeprowadzono na podstawie danych z Banku Danych Lokalnych GUS, przy wykorzystaniu opisowych metod analizy zróżnicowania przepływów migracyjnych, płac i stóp bezrobocia w czasie i przestrzeni oraz metod ekonometrii przestrzennej: metody najmniejszych kwadratów (MNK), uogólnionej metody momentów (UMM), modeli logistycznych oraz modeli z efektami indywidualnymi. Wnioski z badania są następujące: na napływy migracyjne najsilniej oddziałują płace względne, a na odpływy — względna stopa bezrobocia. Ponadto migrujący, podejmując decyzję o zmianie miejsca zamieszkania, kierują się także czynnikiem przestrzennym.
W pracy zaprezentowano wyniki dynamicznej klasyfikacji regionów Polski na tle regionów Unii Europejskiej szczebla NUTS 2 ze względu na strukturę zatrudnionych w trzech podstawowych sektorach gospodarki: rolnictwie, przemyśle i usługach. Okres analizy obejmuje lata 2000–2012. W 2008 roku Europejska Klasyfikacja Działalności Gospodarczej została uaktualniona oraz zmieniona i dla tego roku istnieją dwa zestawy danych. Wykorzystano je do oszacowania równań regresji, które w dalszej kolejności posłużyły do przeliczenia danych dla lat 2000–2007 na system uaktualniony. Podstawowa metoda badawcza to dynamiczna analiza skupień, w której przedmiotem grupowania są obiekto-okresy (operacyjne jednostki taksonomiczne – OJT). To podejście umożliwia śledzenie zmian zarówno w czasie, jak i w przestrzeni oraz pozwala na zidentyfikowanie typowych struktur zatrudnienia. Istotna zmiana struktury zatrudnienia w regionie skutkuje przemieszczeniem się tego regionu do innej grupy. Wyniki mogą być analizowane na poziomie regionów, a także na poziomie państw. W ramach analizy skupień liczba grup jest identyfikowana przez ocenę dendrogramu uzyskanego metodą Warda, natomiast ostateczny podział dokonywany jest metodą k-średnich. Oceniana jest też stabilność grup i ich zdolność przyciągania innych regionów.
EN
The results of dynamic classification of Polish regions within the framework of European NUTS 2 units, characterized by employment structure in three sectors: agriculture, industry and services, are presented in the paper. The analysis covers 2000–2012 period. In 2008 the European Classification of Economic Activities was changed and revised and for that year two sets of data are available. They were the information base for the regression models used later to recalculate 2000–2007 data and make it homogeneous to the current system. Dynamic cluster analysis is the basic method used throughout this research. Spatio-temporal units are treated as subjects for classification (operational taxonomic units – OTU). This approach makes it possible to track changes both in time and geographical space as well as to identify typical labour market structures. Change in labour market structure is considered significant if a region is changing its group membership. The number of clusters is identified by the analysis of Ward’s method dendrogram and final partition is obtained by k-means method. Finally, the stability and attractiveness of clusters is evaluated.
W artykule przedstawiono wyniki analiz dotyczących oceny zróżnicowania poziomu kapitału ludzkiego w polskich województwach. Wykorzystano metody wielowymiarowej analizy porównawczej, takie jak diagram Czekanowskiego oraz mierniki syntetyczne budowane w oparciu o metrykę euklidesową oraz uogólnioną miarę odległości (GDM). Podczas doboru mierników kapitał ludzki potraktowano wieloaspektowo, uwzględniając m.in. takie obszary, jak jakość pracujących, przedsiębiorczość, jakość edukacji i badań naukowych, stan zdrowia czy niedopasowania strukturalne. Analizę przeprowadzono nie tylko dla wartości uśrednionych z okresu 2004–2014, ale również w ujęciu dynamicznym, przedstawiając rankingi dla poszczególnych lat. Wyniki badań wskazują na występowanie pewnego zróżnicowania w poziomie kapitału ludzkiego pomiędzy regionami. Na podstawie diagramu Czekanowskiego udało się wyróżnić pięć grup regionów podobnych pod względem jakości kapitału ludzkiego. Jak się wydaje, największe zróżnicowanie występuje wśród regionów najlepiej rozwiniętych pod względem analizowanego zjawiska. Dodatkowo potwierdzono utrzymujący się dystans pomiędzy stołecznym województwem a resztą regionów. Analiza uporządkowania województw w czasie wykazała relatywną stabilność rankingów. Pomimo tego wydaje się, że różnice pomiędzy regionami o największym i najmniejszym poziomie kapitału ludzkiego mają tenden cję do powiększania się. Słowa kluczowe: analizy regionalne, kapitał ludzki, diagram Czekanowskiego
EN
The paper presents the results of analyzes concerning the assessment of disparities in human capital level in the Polish regions. Methods of multidimensional comparative analysis has been used such as a Czekanowski diagram and synthetic measure, built on the basis of Euclidean metrics and generalised distance measure (GDM). When selecting indicators, human capital was treated as a multifaceted phenomenon that includes such areas as: quality of workers, entrepreneurship, quality of education and research, health and structural mismatches. The analysis was performed not only for average values of the period 2004–2014, but also in dynamic way, that includes rankings for each year. The results indicate the presence of a variation in the level of human capital between regions. Based on the Czekanowski diagram, five groups of regions that are similar in terms of the quality of human can be distinguish. It seems that the greatest diversity is among the most developed regions in terms of the analyzed phenomenon. In addition, the persistent gap between the capital city region and the rest of the regions was confirmed. Analysis of order of regions through time showed a relative stability of the rankings. Despite this, it seems that the differences between the regions with the highest and lowest levels of human capital tend to spread.
Głównym celem niniejszego artykułu była próba oceny zróżnicowania kapitału ludzkiego na poziomie polskich regionów (województwa, poziom NUTS-2). W tym celu wykorzystano nieidentyfikowalne dane jednostkowe pochodzące z badania przeprowadzonego przez Główny Urząd Statystyczny dotyczącego struktury wynagrodzeń w październiku 2016 roku (Z-12), dane pochodzące z badania aktywności ekonomicznej ludności (BAEL) oraz dane o oczekiwanej długości życia kobiet oraz mężczyzn. Mikrodane GUS z badania Z-12 posłużyły do oszacowania parametrów rozszerzonej regresji płac typu Mincera, osobno dla każdego województwa. W kolejnym kroku oszacowania te zostały wykorzystane jako wagi do obliczenia indeksu kapitału ludzkiego uwzględniającego stan zdrowia, poziom wykształcenia oraz doświadczenie zawodowe pracowników. Wartości wspomnianej miary oszacowano dla lat 2016 oraz 2019 (przyjęto założenie o stałości wag w krótkim czasie). Przeprowadzona analiza pozwoliła na ustalenie, które regiony cechują się najwyższym, a które najniższym poziomem kapitału ludzkiego. Zdecydowanie najwyższy poziom kapitału ludzkiego odnotowano w województwach mazowieckim, pomorskim oraz małopolskim. Do województw o najniższym poziomie rozważanej miary zaliczono lubuskie, warmińsko-mazurskie, podlaskie, podkarpackie oraz łódzkie. Porównując wartości indeksu kapitału ludzkiego pomiędzy latami 2016 oraz 2019 można stwierdzić, że regiony o najniższej wartości tej miary cechowały się również niższą jej dynamiką (wyjątek stanowiło województwo lubelskie). Taki stan rzeczy będzie prawdopodobnie sprzyjał dywergencji kapitał ludzkiego pomiędzy regionami. Przełożyć się to może tym samym na utrzymywanie się (bądź pogłębianie) różnic w poziomach rozwoju tych województw, względem regionów lepiej rozwiniętych.
EN
The main objective of this paper was an attempt to assess the differentiation of human capital at the level of Polish regions (voivodeships, NUTS-2 level). For this purpose, we used unidentifiable unit data from a survey the Central Statistical Office conducted on the structure of wages and salaries in October 2016 (Z-12), data from the Labour Force Survey (LFS), and data on the life expectancy of women and men. The GUS microdata from the Z-12 study was used to estimate the parameters of the Mincer-type extended wage regression, separately for each voivodeship. In the next step, these estimates were used as weights to calculate the human capital index, taking into account the health condition, education, and professional experience of employees. The values of the aforementioned measure were estimated for 2016 and 2019 (the assumption of weight stability over a short time period was made). The analysis conducted made it possible to determine which regions are characterised by the highest and lowest levels of human capital. The highest levels of human capital were found in Mazowieckie, Pomorskie, and Małopolskie. The voivodeships with the lowest level of the considered measures were Lubuskie, Warmińsko-Mazurskie, Podlaskie, Podkarpackie, and Łódzkie. When comparing the values of the human capital index between 2016 and 2019, it can be concluded that the regions with the lowest value of this measure were also characterised by lower dynamics (the only exception was Lubelskie). Such a situation will probably favor the divergence of human capital between regions. This may, therefore, translate into the persistence (or deepening) of differences in the levels of development of these voivodeships, compared to more developed regions.
Celem badania jest zobrazowanie przestrzennego zróżnicowania PKB per capita i stopy bezrobocia w obwodach Ukrainy w latach 2004— —2015. Zbadano również oddziaływanie stóp wzrostu PKB oraz opóźnionej o rok stopy bezrobocia na jej przyrost. W tym celu wykorzystano metody ekonometrii panelowej (regresja z efektami indywidualnymi). W badaniu posłużono się danymi publikowanymi przez ukraiński urząd statystyczny. W początkowych latach analizowanego okresu Ukraina rozwijała się bardzo szybko, co prowadziło do wzrostu zatrudnienia i spadku bezrobocia. Światowy kryzys finansowy wpłynął na jednoroczną recesję i skokowy wzrost bezrobocia. Po wydarzeniach w latach 2013 i 2014 (Euromajdan) nastąpił spadek PKB, połączony ze wzrostem bezrobocia. Procesy te w największym stopniu zaznaczyły się w obwodach Ukrainy Wschodniej, w szczególności w ługańskim i donieckim.
EN
The purpose of the study is to describe the spatial variation of GDP per capita and unemployment rates in the Ukrainian oblasts in the years 2004—2015. The influence of GDP growth rates and unemployment rate delayed by one year on the growth of unemployment rate was examined. For this purpose, methods of panel data econometrics (regression with fixed effects) were used. The research used data published by the State Statistics Service of Ukraine. In the initial years of the analysed period, Ukraine was rapidly developing, which led to an increase in employment and a decrease in unemployment. The global financial crisis resulted in one-year recession and a rapid growth of the unemployment. After the events in the years 2013—2014 (Euromaidan) there was a decline in GDP combined with an increase in unemployment. These processes to the greatest extent were present in the oblasts of Eastern Ukraine, especially in Luhansk and Donetsk.
Wysokie oraz utrzymujące się zróżnicowanie w poziomach rozwoju polskich regionów zmusza do poszukiwania potencjalnych przyczyn tego zjawiska. Za jedną z nich można uznać indywidualne, charakterystyczne dla danego regionu cechy instytucjonalne, w tym dynamikę realokacji zasobów dostępnych w danym regionie, którą można utożsamić z procesami kreatywnej destrukcji identyfikowanymi przez J. A. Schumpetera. Wobec powyższego celem artykulu była identyfikacja mechanizmów oraz ocena wpływu procesów kreatywnej destrukcji na poziomy regionalnej wydajności pracy w Polsce w latach 2004–2015. Przeprowadzone analizy wykazały, że zależność obserwowana między miarami kreatywnej destrukcji a wydajnością pracy ma charakter niejednoznaczny i ograniczony. Potwierdzono ją bowiem tylko dla niektórych polskich regionów. W części województw, wbrew założeniom teoretycznym, zaobserwowano zależność odwrotną, co znaczy, że to dynamika wydajności wpływała na poziom realokacji zasobów utożsamianych z procesami kreatywnej destrukcji.
EN
A considerable and persisting diversity of the development levels of Polish regions makes it necessary to seek potential causes of this phenomenon. It can be presumed that some of the diversity is caused by institutional qualities, characteristic for each individual region, including the dynamics of the reallocation of resources available in a particular region, which can be identified with the creative destruction processes, indicated by J. A. Schumpeter. In the view of these facts, this study aims at identifying the mechanisms of creative destruction processes and assessing their influence on the levels of regional productivity of labour in Poland, in the 2004–2015 time period. The conducted analyses showed that the correlation between the measures of creative destruction and the labour productivity is ambiguous and limited, as it was confirmed for only a part of Polish regions. For the remaining part, contrary to the theoretical assumptions, a reverse relationship was observed, i.e. it is the dynamics of productivity that affects the level of reallocation of resources, identified with the processes of creative destruction.
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.
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.
The article aims to compare the performance of Poland’s agriculture sector in individual provinces before the country’s entry to the European Union in 2004 and five years after accession. The authors attempt to determine the effectiveness of changes in the agriculture sector in the analyzed period as a result of an inflow of funds from the European Union, which was a major factor influencing the sector. In the initial stage of the analysis, the authors determined the inflow of EU funds to Poland’s agricultural sector in each province from 2004 to 2008 depending on farmland area, the number of people living in the countryside, the number of those working in agriculture, and changes in the value of gross domestic product. Further analysis was conducted using object ranking methods. Three ranking methods were used with different composite performance indicators: a method based on value added produced in agriculture per employee; the Data Envelopment Analysis (DEA) method; and a method comparing the ranks of individual provinces for each diagnostic variable characterizing outputs and inputs in the agriculture sector. Individual provinces are compared in terms of how their position changed as well as in terms of the similarity of performance ratings compiled with different methods and according to the inflow of funds from the European Union budget. The authors also examined changes in the position of individual provinces in relation to those at the top of each ranking list. The analysis shows that the distribution of EU funds for the agriculture sector by province is uneven. The inequality of distribution varies, depending on the adopted measure. Despite the uneven distribution of EU funds for the agriculture sector, the ranks of the provinces according to each of the three performance measures are stable. The results obtained by the authors reveal no discernible positive effect of the regionally differentiated inflow of EU funds in the 2004-2008 period on changes in the position of the provinces in terms of various performance indicators.
PL
Celem artykułu jest porównanie efektywności sektora rolniczego w województwach przed wstąpieniem do Unii Europejskiej i w pięć lat po akcesji, a tym samym próba określenia zmian efektywności sektora rolniczego, które dokonały się w badanym okresie, kiedy dopływ środków finansowych z Unii Europejskiej był jednym z głównych czynników oddziałujących na ten sektor. W początkowym etapie analizy określono wielkość dopływu środków unijnych w latach 2004-2008 do sektora rolnego w poszczególnych województwach w przeliczeniu na powierzchnię użytków rolnych, liczbę ludności wiejskiej, liczbę pracujących w rolnictwie oraz zmianę wartości produktu krajowego brutto. Dalszą analizę przeprowadzono przy wykorzystaniu metod rangowania obiektów. Wykorzystano trzy metody rangowania według różnych syntetycznych wskaźników efektywności: wartości produkcji dodanej w rolnictwie w przeliczeniu na 1 pracującego, miar wyznaczonych za pomocą metody Data Envelopment Analysis (DEA) oraz miary będącej sumą porównań pozycji województw dla każdej ze wszystkich zmiennych diagnostycznych charakteryzujących efekty i nakłady w sektorze rolnym. Porównania ocen poszczególnych województw odbywają się pod kątem badania zmian uporządkowania, podobieństwa rankingów efektywności wykonanych różnymi metodami i rankingów obrazujących dopływ środków finansowych z budżetu Unii Europejskiej oraz badania zmian oceny relatywnej poszczególnych województw w stosunku do liderów odpowiednich rankingów. Z analizy wynika, że podział środków unijnych dla sektora rolnego nie jest równomierny w poszczególnych województwach. Stopień nierównomierności podziału jest różny, w zależności od przyjętej miary. Mimo nierównomiernego podziału środków unijnych dla sektora rolnego uporządkowanie województw według każdej z trzech miar efektywności jest stabilne. Uzyskane wyniki nie wskazują więc na zauważalny pozytywny efekt zróżnicowanego regionalnie dopływu środków z Unii Europejskiej w latach 2004-2008 na zmianę uszeregowania województw ze względu na wartości różnych wskaźników efektywności
Według Światowej Organizacji Zdrowia (WHO) prawie miliard ludzi na całym świecie jest zagrożonych popadnięciem w ubóstwo z powodu wydatków na zdrowie, a farmaceutyki są integralną częścią rosnącego problemu. Niniejsze badanie ma na celu ocenę elastyczności cenowej i dochodowej popytu na leki w państwach europejskich w latach 2009–2019. Przedmiotem analizy jest typowe gospodarstwo domowe w każdym kraju. Analiza koncentruje się na ocenie problemu w świetle wzrostu gospodarczego. W związku z tym wyniki są porównywane według grup rozwoju krajów, aby wskazać wszelkie podobieństwa i różnice wewnątrz klastrów i między nimi. Wyniki wskazują, że gospodarstwa domowe w regionach biedniejszych są bardziej wrażliwe na bodźce ekonomiczne niż w krajach zamożnych. Zarówno elastyczność dochodowa, jak i cenowa wskazują na niezaspokojone zapotrzebowanie na leki z powodu niewystarczających zasobów finansowych. Co więcej, reakcja gospodarstw domowych na zmiany dochodów i cen różni się w zależności od czasu, kraju i klastrów.
EN
According to the World Health Organisation (WHO), almost a billion people worldwide are at risk of falling into poverty due to out‑of‑pocket health spending, and pharmaceuticals are an integral part of this growing problem. The presented study aims to assess the price and income elasticity of demand for pharmaceuticals across European states over the period 2009–2019. The subject of the analysis is a typical household in each state. The analysis focuses on evaluating interactions in the light of economic growth, thus the results are cross‑referenced with the countries’ development groups to pinpoint any similarities and contrasts within and between clusters. The results indicate that households in underprivileged regions have a higher responsiveness to economic stimuli than in prosperous states. Both the income and price elasticities indicate the existence of unmet need for pharmaceuticals due to insufficient financial resources. Moreover, households’ responsiveness to income and price changes varies across time, states and affluence development groups.
The article attempts to determine the optimal wage differentiation in Poland’s 16 regions from 1999 to 2015. In our study, optimality is a maximum level of total factor productivity. Wage differentiation was measured by the Gini coefficient. Two hypotheses were tested and confirmed: (1) the relationship between wage differentiation and TFP is described by the parabolic function with a maximum; (2) parabolic functions differ from each other, with different optimal differentiations for each region. In this article, we try to answer the question of how the optimal wage differentiation should be estimated. Is it better to group regions with a hypothetically similar optimal wage differentiation? Or is it better to use a standardised variable approach? We conclude that it is better to use a standardised variable. It seems that this finding has a universal significance. It will make it possible to resolve disputes about whether the relationship between the differentiation of wages (or income) and the level or dynamics of economic efficiency is negative or positive. It will also help explain why many studies do not confirm the link between wage (income) differentiation and economic efficiency. In our opinion, the contradictory, and sometimes inconsistent, results are due to the use of an overly simplified model – one that omits the two confirmed hypotheses.
PL
W artykule podjęto próbę wyznaczenia optymalnego zróżnicowania płac w 16 województwach w latach 1999–2015. Optymalność to w niniejszym badaniu maksymalny poziom łącznej produktywności czynników produkcji (total factor productivity – TFP). Zróżnicowanie płac było mierzone współczynnikiem Giniego. Postawiono i potwierdzono dwie hipotezy: 1) relację zróżnicowania płac i TFP opisuje funkcja paraboliczna z maksimum; 2) funkcje paraboliczne różnią się – w województwach występują różne optymalne zróżnicowania płac. W artykule próbujemy odpowiedzieć na pytania: Jak wyznaczyć optymalne zróżnicowania płac? Czy lepiej pogrupować województwa o hipotetycznie podobnym optymalnym zróżnicowaniu płac, czy też lepiej zastosować wystandaryzowaną zmienną opisującą zróżnicowanie płac? Konkluzja brzmi: lepiej zastosować zmienną wystandaryzowaną. Jak się wydaje, wniosek ten jest uniwersalny. Pozwoli rozstrzygnąć spory odnośnie do tego, czy oddziaływanie zróżnicowania płac (lub dochodów) na poziom albo wzrost efektywności gospodarczej ma charakter negatywny, czy też pozytywny. Wyjaśni też, dlaczego wiele badań nie potwierdza występowania związku pomiędzy zróżnicowaniem płac (lub dochodów) a efektywnością gospodarczą. Przyczyną sprzeczności wyników, a czasem ich niekonkluzywności, jest, naszym zdaniem, zbyt uproszczona postać modelu – pomijająca dwie wyżej wskazane potwierdzone hipotezy.
W artykule poruszony został problem wyznaczania optymalnego poziomu nierówności płacowych w ujęciu regionalnym. Zaprezentowano koncepcję parabolicznego wpływu nierówności dochodowych na wzrost gospodarczy. W dalszej kolejności autor przedstawił kształtowanie się dysproporcji płacowych mierzonych współczynnikiem koncentracji Lorenza w polskich województwach w latach 2000–2010. Podjęta została również próba oszacowania wpływu tych dysproporcji na wzrost gospodarczy przy wykorzystaniu modelu ekonometrycznego. Analizy potwierdzają opisywaną relację jedynie w części. Optymalny poziom nierówności płacowych został wiarygodnie oszacowany dla pięciu polskich województw.
EN
The paper looks at the problem of optimal level of wage disparities in regional terms. First, the concept of parabolic effect of income inequalities on economic growth is presented. Author shows wage inequalities measured by Lorenz concentration ratio in Polish regions (NUTS 2) in 2000–2010. Then he tries to evaluate the influence of that disparities on economic growth using econometric model. The analysis provides only partial confirmation of above relation. Optimal level of wage inequalities, in regional term, was reliably assessed only for 5 Polish regions (NUTS 2).
Celem artykułu jest identyfikacja przestrzennego zróżnicowania PKB per capita oraz stopy bezrobocia w Polsce i we Włoszech, a także wskazanie tendencji zmian, jakim to zróżnicowanie podlegało. Badanie przeprowadzono dla polskich województw i włoskich regionów tworzących jednostki terytorialne NUTS 2. Do realizacji tego celu wykorzystano elementarne metody statystyki opisowej oraz ekonometrii przestrzennej (regresja z efektami indywidualnymi — fixed effects). W analizie posłużono się danymi za lata 2002—2014, publikowanymi przez GUS, Narodowy Instytut Statystyczny Włoch (Istat) i Eurostat. Badanie wykazało, że Polskę i Włochy cechuje podobny, wysoki poziom regionalnego zróżnicowania PKB per capita, natomiast różnice wielkości bezrobocia między włoskimi regionami są znacznie większe niż między województwami w Polsce. Stwierdzono również, że różnice badanych wielkości makroekonomicznych wewnątrz obydwu krajów wykazują tendencję wzrostową, co w efekcie może prowadzić do zwiększania się międzyregionalnych dysproporcji w poziomie rozwoju.
EN
The paper aims to identify the scale of spatial differentiation of GDP per capita and unemployment rate in Poland and Italy, as well as to indicate changes in the differentiation trends. The research was carried out at the level of Polish voivodships and Italian regions, forming the territorial units NUTS 2. The elementary methods of descriptive statistics and spatial econometrics (fixed effects) were applied for the research purpose. Data for the years 2002—2014, published by the CSO, Italian National Institute of Statistics (Istat) and Eurostat, were used for the analysis. The results of the research show that Poland and Italy are characterized by a similar, high level of regional diversity of GDP per capita. On the other hand, differences in the level of unemployment among Italian regions are much higher than among Polish voivodships. It was also stated that the differences in examined macroeconomic measures within the two countries are increasing, which in turn can lead to growing inter-regional disparities in the level of development.
W artykule przedstawiono oszacowania miar nierówności płac w polskich województwach w 2014 roku wraz z krótką ich analizą. Do badań wykorzystano nieidentyfikowalne dane jednostkowe GUS dotyczące płacy brutto i pochodzące z badania Struktury wynagrodzeń według zawodów w październiku 2014 roku. Jako narzędzie analizy wykorzystano koncepcje krzywej Lorenza oraz uogólnionej krzywej Lorenza. Analizę uzupełniono o oszacowania popularnych miar nierówności – w tym o współczynnik Giniego oraz współczynnik Atkinsona, a także skróconej funkcji dobrobytu (indeks Sena). Dodatkowo przedstawiono też prostą dekompozycję ze względu na współczynnik Giniego. Analiza z wykorzystaniem krzywych Lorenza wykazała, że w pewnych przypadkach krzywe te przecinają się wzajemnie. Uniemożliwia to proste wnioskowanie o porządku tych rozkładów i jest często spotykanym problemem w badaniach empirycznych. Jak się jednak okazuje porządki generowane przez współczynnik Giniego, współczynnik Atkinsona oraz indeks Sena są relatywnie zgodne. Do regionów o zdecydowanie najwyższym poziomie nierówności płac można zaliczyć m.in. województwo mazowieckie, dolnośląskie, śląskie, pomorskie i małopolskie.
EN
The paper presents estimates of wage inequality measures in Polish voivodships in 2014 with a brief analysis of them. Unidentified unit data of the Central Statistical Office regarding gross earnings and collected for the survey of Structure of wages and salaries by occupations in October 2014 were used for the research. The concepts of the Lorenz curve and the generalized Lorenz curve were used as the analysis tool. The analysis was supplemented with estimates of popular inequality measures – including the Gini coefficient and the Atkinson coefficient as well as the social welfare function (Sen index). In addition, a simple de-composition was also presented due to the Gini coefficient. Analysis with use of the Lorenz curves showed that in some cases these curves intersect each other. This makes it impossible to simply draw conclusions about the order of these distributions and is a frequently encountered problem in empirical research. As it turns out, the rankings generated by the Gini coefficient, the Atkinson coefficient and the Sen index are relatively consistent. The regions with the highest level of earnings inequalities includes among others: mazowieckie, dolnośląskie, śląskie, pomorskie and małopolskie.
The aim of the article is to present the results of the author’s own research on the relation known in economics as ‘Okun’s law’. A data panel for 16 Polish voivodeships in the years 1995–2019 was used. A panel vector autoregression (PVAR) model was used as a research tool, which captured, for example, the dynamic nature of the modelled relationship. The generalised method of moments (GMM) was used to estimate the parameters of the model. Then, the orthogonal impulse response functions (IRF) were estimated using the Cholesky decomposition. The decomposition of forecast error in the 10-year horizon was also presented. Okun’s law assumes a negative relationship between changes in the unemployment rate and the rate of real economic growth. It was originally observed empirically by A. Okun in 1962. The original exchange coefficient was approx. 0.3. This means that each additional percentage of GNP is associated with a decrease in the unemployment rate by approx. 0.3 p.p. The estimates of the impulse response functions presented in the article show the statistical significance of the impact of shocks coming from individual variables. A positive impulse coming from the real GDP growth rate resulted in a decrease in the change of the unemployment rate (and vice versa) compared to the base path. A relatively slow decay of shocks in the model can also be observed. Decomposition of the forecast error shows that approx. 31% of the variability of the changes of the unemployment rate can be explained by the real GDP growth rate. In turn, changes in the unemployment rate are able to explain only about 6% of future rates of real economic growth.
PL
Celem artykułu było przedstawienie wyników badań własnych nad relacją znaną w ekonomii pod nazwą „prawo Okuna”. Wykorzystano panel danych dla 16 województw Polski w latach 1995–2019. Jako narzędzie badawcze zastosowano panelowy model autoregresji wektorowej (PVAR), co pozwoliło chociażby na uchwycenie dynamicznego charakteru modelowanej relacji. Do estymacji parametrów modelu wykorzystano uogólnioną metodę momentów (GMM). Następnie oszacowane zostały ortogonalne funkcje reakcji na impuls (IRF) przy wykorzystaniu dekompozycji Choleskiego. Dokonano także dekompozycji błędu prognozy w 10-letnim horyzoncie. Prawo Okuna zakłada negatywną zależność pomiędzy zmianami stopy bezrobocia a stopą realnego wzrostu gospodarczego. Pierwotnie zostało ono empirycznie zaobserwowane przez A. Okuna w 1962 roku. Oryginalny współczynnik wymiany wynosił ok. 0,3. Oznacza to, że każdy dodatkowy procent PNB powiązany jest ze spadkiem stopy bezrobocia o ok. 0,3 p.p. Zaprezentowane w artykule oszacowania funkcji reakcji na impuls wskazały na istotność statystyczną wpływu szoków pochodzących od poszczególnych zmiennych. Pozytywny impuls pochodzący od strony stopy wzrostu realnego PKB powodował obniżenie się zmiany stopy bezrobocia (i na odwrót) w porównaniu do ścieżki bazowej. Zaobserwowano również stosunkowo powolne wygaszanie się szoków w modelu. Dekompozycja błędu prognozy wykazała, że ok. 31% zmienności przyrostu stopy bezrobocia może zostać wyjaśnione za pomocą stopy wzrostu realnego PKB. Z kolei zmiany stopy bezrobocia zdołały wyjaśnić jedynie ok. 6% przyszłych stóp realnego wzrostu gospodarczego.
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.