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

Results found: 2

first rewind previous Page / 1 next fast forward last

Search results

Search:
in the keywords:  goodness-of-fit
help Sort By:

help Limit search:
first rewind previous Page / 1 next fast forward last
EN
In the paper we compare the properties of theoretical income distributions from the point of view of their application to the analysis of wage distributions in Poland. Among them the lognormal and Dagum distributions were taken into consideration. On the basis of the theoretical density curves well fitted to the empirical ones income inequality measures were calculated. The estimation was conducted for the wages distributions in Poland in different divisions: by gender, by economic sector and by regions.
PL
W artykule porównywano własności teoretycznych i empirycznych rozkładów płac i dochodów z punktu widzenia możliwości ich zastosowania do analizy rozkładów płac w Polsce. W szczególności rozważano takie rozkłady, jak logarytmiczno-normalny czy Daguma. Rozkłady teoretyczne, wykazujące wysoką zgodność z empirycznymi, zostały następnie wykorzystane do estymacji miar nierównomierności. Estymację przeprowadzono na podstawie rozkładów płac w Polsce w różnych przekrojach - według płci, sektora gospodarki oraz regionów.
PL
Prawie wszystkie dane w naukach społecznych są analizowane przy użyciu wariantów ogólnego modelu liniowego (GLM): analizy regresji, analizy wariancji, analizy czynnikowej, analizy ścieżek i tym podobnych. Jednak wiele ciekawych i ważnych zjawisk społecznych nie daje się przeanalizować przy użyciu GLM. Analiza Struktur Porządkowych (OPA) została opracowana w celu zbadania tych wykluczonych zjawisk. OPA, oparta na kryterium dobroci dopasowania, służy do obliczania wskaźników dopasowania przewidywań badacza do rzeczywistych danych mierzonych na skali porządkowej. Podczas gdy GLM wymaga agregowania surowych danych po obserwacjach lub grupach przed przystąpieniem do analiz, OPA pozwala na działanie odwrotne: surowe dane od każdej osoby lub grupy można najpierw analizować, a następnie agregować. Ten mechanizm odwrócenia ujawnia zjawiska, które występują „zazwyczaj”, raczej niż „średnio” – dwa wyniki, które często się różnią. Ilustrujemy niektóre zastosowań OPA na prostych przykładach i udostępniamy program komputerowy do obliczeń OPA.
EN
Almost all social science data are analysed with variants of the General Linear Model (GLM): regression analyses, analyses of variance, factor analyses, path analyses and the like. However, many interesting and important social phenomena cannot be addressed with the GLM. Ordinal Pattern Analysis (OPA) was developed to examine such excluded phenomena. OPA is a goodness-of-fit procedure for calculating indices of how well a researcher's ordinal predictions match the ordinal properties of data at hand. While the GLM requires raw data to be aggregated across individuals or groups first before being analysed, OPA permits the reverse: Raw data from each individual or group can first be analysed, then aggregated. The reversal reveals what occurs "in general" rather than "on average" – two revelations that often diverge. We illustrate some uses of OPA with simple examples, and provide a computer programme for expediting OPA calculations.
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.