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

Results found: 4

first rewind previous Page / 1 next fast forward last

Search results

Search:
in the keywords:  logistic regression model
help Sort By:

help Limit search:
first rewind previous Page / 1 next fast forward last
1
Publication available in full text mode
Content available

Estimation of the number of residents included in a population frame

100%
Krapavickaitė D.
Statistics in Transition new series
|
2021
|
vol. 22
|
issue 1
197-206
EN
A high migration rate of a population causes the number of a country's residents to become extremely volatile, which negatively affects the quality of population frames. The aim of the paper is to present a method for estimating the number of residents included in a study population frame. The method involves the cross-classification of a population register with other databases which contain information relating to the activities of the population elements in a given country. The estimates from an ongoing sample survey are applied to some of the cells.
2
Publication available in full text mode
Content available

Estimation of Variance of Logistic Regression Predictors for Small Areas

100%
Pruska K., University of Łódź C. o. S. M.
Acta Universitatis Lodziensis. Folia Oeconomica
|
2009
|
vol. 225
EN
Logistic regression models can be applied for analysis of Bernoulli variables in studies of small areas. In the paper the logistic regression predictors for parameter of the Bernoulli distribution and an estimation of variance and MSE for these predictors arc considered for small areas. The results of simulation experiments conducted for analysis of properties of estimators of variance and mean square error for the predictors are presented.
PL
Modele regresji logistycznej mogą być wykorzystywane do analizy zmiennych o rozkładzie zero-jedynkowym dla małych obszarów. W pracy rozpatrywane są logistyczno-regresyjne predyktory parametru rozkładu zero-jedynkowego oraz estymacja MSE i wariancji tych predyktorów w przypadku małych obszarów. Przedstawione są wyniki eksperymentów symulacyjnych, których celem jest analiza własności estymatorów wariancji i błędu średniokwadratowego logistyczno-regresyjnych predyktorów.
3
Publication available in full text mode
Content available

Determinanty oraz sposoby ograniczania wykluczenia finansowego osób bezrobotnych

63%
Solarz M.
Optimum. Studia Ekonomiczne
|
2014
|
vol. 4(70)
PL
Osoby wykluczone finansowo, czyli takie, które doświadczają problemów w dostępie do produktów i usług finansowych w odpowiedniej dla nich formie, nie mogą aktywnie uczestniczyć w życiu ekonomicznym i społecznym. Wśród podmiotów wrażliwych na wykluczenie finansowe znajdują się osoby o niskich dochodach oraz bezrobotni. Wobec tego między innymi im jest dedykowana unijna strategia na rzecz inteligentnego i zrównoważonego rozwoju, sprzyjającego włączeniu społecznemu – „Europa 2020”. Celem niniejszego opracowania stało się zidentyfikowanie czynników determinujących wykluczenie finansowe osób bezrobotnych oraz wskazanie kierunków działań inkluzyjnych, zmierzających do ograniczenia tego ważnego problemu społeczno-ekonomicznego. Wykorzystane metody badawcze – model regresji logistycznej i metody opisowe – pozwoliły wyciągnąć następujące wnioski. Po pierwsze, do głównych determinant wykluczenia finansowego bezrobotnych, oprócz niskich/braku dochodów, należy zaliczyć: brak awersji do zadłużania się, częste problemy z zarządzaniem płynnością budżetu gospodarstwa domowego, niski poziom świadomości finansowej oraz słabe wykształcenie. Po drugie, wśród podstawowych obszarów, w jakich powinny być prowadzone działania inkluzyjne skierowane do tej grupy społecznej, znajdują się m.in.: kształtowanie umiejętności finansowych, ochrona konsumenta, oferowanie produktów „szytych na miarę” potrzeb.
EN
Financially excluded individuals, i.e. those who experience difficulty in accessing financial products and services in the form adequate for their needs, are not capable of actively participating in economic or social life. Among people vulnerable to financial exclusion are mainly persons on low income and the unemployed. Therefore, the EU strategy for smart, sustainable and inclusive growth – “Europe 2020” is, among other things, dedicated to them. The objective of the present study is to identify factors which determine the financial exclusion of the unemployed and to indicate the directions of inclusive activities aimed at the reduction of this important socio-economic problem. The applied research methods – the logistic regression model and the descriptive method, allow for the following conclusions to be drawn. Firstly, the major determinants of financial exclusion suffered by the unemployed (apart from low/no income) include: lack of debt aversion, frequent problems with managing household budget liquidity, low level of financial awareness, and poor education. Secondly, the basic areas in which inclusion activities aimed at this social group should be conducted are, e.g., consumer protection, offering “tailor-made” products, or development of financial skills.
4
Content available remote

Selected Robust Logistic Regression Specification for Classification of Multi‑dimensional Functional Data in Presence of Outlier

45%
Krzyśko M., Smaga Ł.
Acta Universitatis Lodziensis. Folia Oeconomica
|
2018
|
vol. 2
|
issue 334
PL
W niniejszym artykule rozważany jest problem dwuetykietowej klasyfikacji wielowymiarowych danych funkcjonalnych. Zaproponowane rozwiązanie tego problemu oparto na technikach regresyjnych i modelu regresji logistycznej dla danych funkcjonalnych. Model ten został przekształcony do szczególnego modelu regresji logistycznej za pomocą rozwinięcia (będących funkcjami) współczynników regresji i zmiennych objaśniających w bazie funkcyjnej. Na podstawie tego modelu skonstruowana została reguła klasyfikacyjna. W przypadku występowania obserwacji odstających rozważane są również metody odpornej estymacji nieznanych parametrów. Eksperymenty numeryczne sugerują, że proponowane metody mogą z powodzeniem być wykorzystane w praktycznych zagadnieniach.
EN
In this paper, the binary classification problem of multi‑dimensional functional data is considered. To solve this problem a regression technique based on functional logistic regression model is used. This model is re‑expressed as a particular logistic regression model by using the basis expansions of functional coefficients and explanatory variables. Based on re‑expressed model, a classification rule is proposed. To handle with outlying observations, robust methods of estimation of unknown parameters are also considered. Numerical experiments suggest that the proposed methods may behave satisfactory in practice.
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.