Search results

1

Jakość danych dotyczących wewnątrzunijnej wymiany towarowej

100%

Markowicz I., Baran P.

Wiadomości Statystyczne. The Polish Statistician

|

2019

|

vol. 64

|

issue 6

5-15

EN

Official statistics on trade in goods between EU member states are collected on country-level and then aggregated by Eurostat. Methodology of data collecting differs slightly between member states (e.g. various statistical thresholds and coverage), including differences in exchange rates as well as undeclared or late-declared transactions, errors in classification of goods and other mistakes. It often involves incomparability of mirror data (nominally concerning the same transactions recorded in statistics of both dispatcher and receiver countries). A huge part of these differences can be explained with the variable quality of data resources in the Eurostat database. In the study data quality on intra-EU trade in goods for 2017 was compared between Poland and neighbouring EU countries, i.e.: Germany, Czech Republic, Slovakia, Lithuania, and other Baltic states – Latvia and Estonia. The additional aim was to indicate the directions having the greatest influence on the observed differences in mirror data. The results of the study indicate that the declarations made in Estonia affect the poor quality of data on trade in goods between the countries mentioned above to the greatest extent.

PL

Dane statystyki publicznej dotyczące wymiany towarowej między krajami Unii Europejskiej (UE) gromadzone są na poziomie krajowym, a następnie agregowane przez Eurostat. Metodyka zbierania danych różni się w pewnym zakresie w poszczególnych krajach członkowskich (np. różne są progi statystyczne i poziom pokrycia), a do tego występują różnice kursowe, transakcje niezgłoszone, opóźnione zgłoszenia, błędy klasyfikacji towarowej i inne. Powoduje to, że dane lustrzane, dotyczące w założeniu tych samych transakcji odnotowanych w statystyce kraju wywozu i kraju przywozu, są często nieporównywalne. Znaczną część rozbieżności można tłumaczyć zróżnicowaną jakością zbiorów danych zasilających bazę Eurostatu. Celem przedstawionego w artykule badania jest porównanie jakości danych za 2017 r. o wewnątrzunijnej wymianie towarowej Polski i sąsiednich krajów UE: Niemiec, Czech, Słowacji i Litwy oraz pozostałych krajów bałtyckich – Łotwy i Estonii. Dodatkowym celem jest wskazanie, które kierunki w największym stopniu wpłynęły na występowanie różnic w danych lustrzanych. Wyniki przeprowadzonej analizy wskazują, że najczęściej wpływ na niską jakość danych dotyczących wymiany towarowej między badanymi krajami mają deklaracje składane w Estonii.

2

Handel Polski z innymi państwami członkowskimi Unii Europejskiej (UE)

100%

Kalka P.

Rocznik Integracji Europejskiej

|

2019

|

issue 13

257-265

EN

The author analyses the trade between Poland and other EU–member countries. His aim is to show the development, structures and the balance of this trade. The author comes to the conclusion that the trade was (in real prices) weak and the Federal Republik of Germany was the most important commercial partner Polands. Although the high technological and technological products played an important role in the trade between Poland and other EU–countries, low technological commodities were the most significant element of the trade balance, It are matters of consequence to increase the R+D–expenditures in Poland.

PL

Celem powyższego artykułu jest przeanalizowanie rozwoju, struktury i salda w handlu Polski z innymi państwami członkowskimi Unii Europejskiej. Autor pokazuje, że handel ten następował (w cenach realnych) stosunkowo powoli i najważniejszym partnerem handlowym Polski w Unii była Republika Federalna Niemiec. Ważną rolę w strukturze rzeczowej handlu odgrywały produkty o wysokiej i średnio-wysokiej technice, pozytywne saldo handlu Polski stanowiło jednak konsekwencję wymiany handlowej w zakresie wyrobów o niskiej i średnio-niskiej technice. Niezbędne stało się zatem istotne zwiększenie (niskiego) udziału wydatków badawczo-rozwojowych w produkcie krajowym brutto Polski.

3

OCENA POTENCJAŁU PAŃSTW UNII EUROPEJSKIEJ DO GENEROWANIA INNOWACJI Z ZASTOSOWANIEM ANALIZY SKUPIEŃ

80%

Roszko–Wójtowicz E.

Metody Ilościowe w Badaniach Ekonomicznych

|

2014

|

vol. 15

|

issue 4

121-136

PL

W ramach wielowymiarowej analizy porównawczej badacze najczęściej stają przed problemem dotyczącym wyboru odpowiedniego sposobu łączenia wielu obiektów w grupy, charakteryzujące się podobnymi właściwościami pod względem wybranych zmiennych diagnostycznych. Niniejsza praca stanowi propozycję zastosowania hierarchicznych metod aglomeracji do poszukiwania związków pomiędzy poszczególnymi państwami członkowskimi UE ze względu na możliwości generowania innowacji. W opisywanym przypadku najkorzystniejszą do poszukiwania związków pomiędzy obiektami, odnośnie zdefiniowanych w pracy zdolności do generowania innowacji, wydaje się być metoda pełnego połączenia i metoda Warda dające podział zestawu obiektów na trzy skupienia.

EN

Under multidimensional data analysis researchers face the problem of grouping methods selection. The aim of the paper is to find the inner homogenic groups created by 28 EU member countries in relation to the selected characteristics describing the potential of economies to create innovations. The issue of clustering objects – countries was conducted with the use of ClustanGraphics software. Ten variables were selected from the Eurostat database in order to describe the potential of the EU member countries to create innovations. These were tested using nine hierarchical clustering methods. The Increase in Sum of Squares method and the Complete Linkage method seem to be the most appropriate for further discussion regarding cross-group analysis. The rest of tested methods do not seem suitable for deep analysis between the groups. This is mainly due to the tendency to form rather unclear clusters with the structure of long chains.

4

Application of multivariate statistical analysis to assess the implementation of Sustainable Development Goal 8 in European Union countries

80%

Bieszk-Stolorz B., Dmytrów K.

Wiadomości Statystyczne. The Polish Statistician

|

2023

|

vol. 68

|

issue 3

22-43

PL

Zrównoważony rozwój powinien zapewnić sprawiedliwe i zrównoważone środowisko naturalne, społeczne i gospodarcze. Godna praca i wzrost gospodarczy, czyli Cel Zrównoważonego Rozwoju (Sustainable Development Goal – SDG) 8, ma największe znaczenie gospodarcze. Celem badania omawianego w artykule jest ocena realizacji SDG 8 w krajach członkowskich UE. Badanie obejmowało lata 2002–2021, ze szczególnym uwzględnieniem okresów kryzysowych: kryzysu finansowego z lat 2007–2009 i pandemii COVID-19 panującej w latach 2020–2021. W badaniu wykorzystano dane z bazy Eurostatu. Zastosowano metody wielowymiarowej analizy statystycznej: analizę skupień metodą k-średnich i porządkowanie liniowe metodą TOPSIS. Krajami o najwyższym stopniu realizacji SDG 8 okazały się: Dania, Finlandia, Holandia i Szwecja, natomiast najniższy stopień realizacji obserwowano w Grecji, we Włoszech, w Rumunii, na Słowacji i w Hiszpanii. Również nowe kraje członkowskie, przyjęte do UE po 2004 r., ogólnie charakteryzują się znacznie niższym stopniem realizacji SDG 8 niż wysoko rozwinięte kraje Europy Zachodniej. Wpływ okresów kryzysowych był bardziej zauważalny w wynikach analizy skupień niż w rankingach. Wartością dodaną badania jest wykorzystanie metod wielowymiarowej analizy statystycznej do oceny ogólnej sytuacji analizowanych krajów w zakresie realizacji SDG 8 przy uwzględnieniu obu okresów kryzysowych.

EN

Sustainable development should ensure a fair and balanced natural, social and economic environment. Sustainable Development Goal 8 (SDG 8) - decent work and economic growth - is of the greatest economic importance. The purpose of the study is to assess the implementation of SDG 8 in EU member states. The analysis covered the years 2002-2021 with a particular focus on two crises periods: the financial crisis of 2007-2009 and the COVID-19 pandemic in the years 2020-2021. The study uses Eurostat data and multivariate statistical analysis methods, i.e. cluster analysis - the k-means method and linear ordering - the TOPSIS method. Denmark, Finland, the Netherlands and Sweden are the countries where the fulfilment of SDG 8 was the greatest, while the lowest was observed in Greece, Italy, Romania, Slovakia and Spain. The study also shows that the countries which joined the EU in 2004 generally demonstrated a much lower degree of SDG 8 implementation compared to the well-developed Western Europe. The influence of the crisis periods was more visible in the results of the cluster analysis than in the rankings. The novelty of the research involves the application of multivariate statistical analysis methods to assess the overall situation of the studied countries in terms of their implementation of SDG 8 while taking into account both crisis periods.

Refine search results

2 Wiadomości Statystyczne. The Polish Statistician

1 Metody Ilościowe w Badaniach Ekonomicznych

1 Rocznik Integracji Europejskiej

1 Baran P.

1 Bieszk-Stolorz B.

1 Dmytrów K.

1 Kalka P.

1 Markowicz I.

1 Roszko–Wójtowicz E.

1 2023

2 2019

1 2014

Jakość danych dotyczących wewnątrzunijnej wymiany towarowej

Handel Polski z innymi państwami członkowskimi Unii Europejskiej (UE)

OCENA POTENCJAŁU PAŃSTW UNII EUROPEJSKIEJ DO GENEROWANIA INNOWACJI Z ZASTOSOWANIEM ANALIZY SKUPIEŃ

Application of multivariate statistical analysis to assess the implementation of Sustainable Development Goal 8 in European Union countries