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:  normalizacja zmiennych
help Sort By:

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

Normalizacja zmiennych a porządkowanie krajów Unii Europejskiej pod względem stopnia wykorzystania technologii ICT w przedsiębiorstwach

100%
Wieczorek P., Frejtag-Mika E.
Nierówności społeczne a wzrost gospodarczy
|
2021
|
issue 65
74-89
EN
The main issue of multivariate comparative analysis is the normalization of variables. The li erature offers various procedures for data normalization, and therefore the researcher has to choose between them. The article presents and discusses the most commonly used normalizing formulas. The article assesses the impact of data normalization procedures on the results of the linear ordering of European Union countries in terms of the level of ICT usage in enterprises. A hypothesis was formulated that the method of data normalization influenced the position of the objects in the ranking. The study is based on statistical data from Eurostat for the year 2018.Based on the selected diagnostic variables, values for a synthetic measure have been determi ned for individual countries. The synthetic measure was calculated according to the model-less method of linear ordering using four types of normalization. The method used in the research allowed the creation of rankings for the countries. The compliance of the orders thus obtained was compared using the Spearman’s coefficient of range correlation and the measure of similarity of rankings. As the study shows, the choice of normalization formula influences the result of linear ordering, which is not due to any change in the data structure. It was proven that the quotient transformation with the normalization base equal to the maximum value allowed the most similar ranking to be obtained of the examined objects in relation to the Rother rankings. The results of the study show that Denmark, Sweden and Finland had the highest positions in each ranking while Bulgaria, Romania and Latvia had the lowest positions.  
PL
Podstawowym zagadnieniem wielowymiarowej analizy porównawczej jest normalizacja zmiennych wyjściowych. W literaturze przedmiotu prezentowane są różne formuły normalizacyjne, w związku z tym badacz stoi przed wyborem jednej z nich. W artykule zaprezentowano i omówiono najczęściej stosowane formuły normalizujące.Celem artykułu jest ocena wpływu sposobu normalizacji zmiennych na wynik porządkowania liniowego krajów Unii Europejskiej pod względem stopnia wykorzystania technologii informacyjno- komunikacyjnych w przedsiębiorstwach. W pracy postawiono hipotezę, że sposób normalizacji zmiennych wpływa na zajmowane pozycje obiektów w rankingu. Dane statystyczne będące podstawą badań dotyczyły 2018 roku i pochodziły z Eurostatu.W oparciu o wyselekcjonowane zmienne diagnostyczne wyznaczono wartości miary syntetycznej dla poszczególnych krajów. Syntetyczny miernik obliczono zgodnie z bezwzorcową metodą porządkowania liniowego, wykorzystując cztery sposoby normalizacji cech. Zastosowana metoda pozwoliła na ustalenie rankingów krajów. Zgodność otrzymanych uporządkowań została porówna na za pomocą współczynnika korelacji liniowej Spearmana oraz miary podobieństwa rankingów, co pozwoliło stwierdzić, że sposoby normalizacji zmiennych mają wpływ na wyniki klasyfikacji.Z przeprowadzonego badania wynika, że przekształcenie ilorazowe z podstawą normalizacji równą wartości maksymalnej pozwalało na uzyskanie najbardziej podobnego rankingu badanych obiektów względem rankingów uzyskanych innymi sposobami normalizacji zmiennych. Wyniki badań pokazują, że w każdym sporządzonym rankingu czołowe miejsca zajmowały Dania, Szwecja i Finlandia. Najniższe lokaty zajmowała Bułgaria, Rumunia i Łotwa.
2
Publication available in full text mode
Content available

Wybór grup metod normalizacji wartości zmiennych w skalowaniu wielowymiarowym

89%
Walesiak M.
Przegląd Statystyczny
|
2016
|
vol. 63
|
issue 1
7-18
EN
In multidimensional scaling carried out on the basis of metric data matrix (interval, ratio) one of the stages is the choice of the variable normalization method. The R package clusterSim with data.Normalization function has been developed for that purpose. It provides 18 data normalization methods. In this paper the proposal of procedure which allows to isolate groups of normalization methods that lead to similar multidimensional scaling results were presented. The proposal can reduce the problem of choosing the normalization method in multidimensional scaling. The results are illustrated via empirical example.
PL
W skalowaniu wielowymiarowym przeprowadzanym na podstawie macierzy danych metrycznych (przedziałowych, ilorazowych) jednym z etapów jest wybór metody normalizacji wartości zmiennych. W badaniu zastosowano funkcję data.Normalization pakietu clusterSim programu R. Funkcja ta zawiera 18 różnych metod normalizacyjnych. W artykule zaproponowano procedurę badawczą pozwalającą na wyodrębnienie grup metod normalizacji wartości zmiennych prowadzących do zbliżonych wyników skalowania wielowymiarowego. Propozycja pozwala ograniczyć problem wyboru metody normalizacji wartości zmiennych w skalowaniu wielowymiarowym. Wyniki zilustrowano przykładem empirycznym.
3
Publication available in full text mode
Content available

Rozwój polskiego rolnictwa w kontekście regionalnego zróżnicowania w latach 1998-2010

89%
Binderman A.
Metody Ilościowe w Badaniach Ekonomicznych
|
2012
|
vol. 13
|
issue 3
52-64
PL
W pracy przy pomocy wielowymiarowej analizy porównawczej oceniono regionalne zróżnicowanie rolnictwa w Polsce, w latach 1998-2010. Do analizy użyto cztery różne mierniki syntetyczne. Na ich podstawie dokonano uporządkowania i klasyfikacji województw. Wyniki pokazują, że pomimo szybkiego w ostatnich latach wzrostu poziomu rolnictwa dysproporcje miedzy województwami nie maleją. W niniejszej pracy zbadano zróżnicowanie poziomu rozwoju rolnictwa, przyjmując jeden sposób normalizacji zmiennych, jeden wzór określający odległość między rozważanymi obiektami i cztery różne sposoby klasyfikacji tych obiektów – zarówno wzorcowe jak i bezwzorcowe.
EN
The paper contains the multidimensional analysis of the regional differentiation of Polish agriculture in the years 1998-2010. The study is based on several synthetic measures - without patterns and which use two patterns of objects. On the basis of synthetic measures there were made arrangement and classification of voivodeships. The results show that despite the rapid growth in recent years of the level of agricultural development, the disparities between voivodships in Poland did not decrease.
4
Publication available in full text mode
Content available

The Use of Selected Methods of Linear Ordering to Assess the Innovation Performance of the European Union Member States

71%
ROSZKO-WÓJTOWICZ E., GRZELAK M. M.
Economic and Environmental Studies
|
2019
|
vol. 19
|
issue 1
9-30
EN
The growing interest in measuring economic and social phenomena that are difficult to observe directly increases the need for researchers to broaden the use of multivariate statistical analysis methods. The ease of interpreting results presented in the form of rankings makes it common practice to use different methods of linear ordering of objects. If the appropriate assumptions are met, the determined set of variables allows for the construction of a synthetic measure whose ordered values provide a ranking. Such a statistical approach is quite often used in assessing the level of innovativeness of economies, and the literature abounds in various innovation indices. The starting point of this paper is a set of 27 variables on the basis of which the Summary Innovation Index is developed. After verifying the statistical assumptions and reducing the database to 21 diagnostic factors, the authors construct a total of nine innovation rankings, using different methods of linear ordering and selected procedures for normalisation of variables. The aim of the paper is therefore to assess the impact of selected methods of linear ordering (Hellwig’s method, TOPSIS method, GDM method) and various procedures for normalising variables (classic standardisation, positional standardisation, quotient transformation) on the final ranking of the EU Member States due to the level of their innovation performance. The obtained results confirm that the applied method of linear ordering and the selection of the normalisation procedure have an impact on the final ranking of the examined objects – in this case, the final ranking of the EU Member States due to the level of their innovativeness analysed in the presented research.
PL
Rosnące zainteresowanie pomiarem zjawisk ekonomicznych i społecznych, trudnych do bezpośredniego zaobserwowania, wzmaga potrzebę badaczy do szerszego stosowania metod wielowymiarowej analizy statystycznej. Łatwość interpretacji wyników przedstawianych w formie rankingów sprawia, że powszechnością staje się korzystanie z różnych metod porządkowania liniowego obiektów. Przy spełnieniu odpowiednich założeń, wyodrębniony zbiór zmiennych pozwala na budowę zmiennej syntetycznej, której uporządkowane wartości dają ranking. Takie podejście statystyczne jest dość często stosowane w ocenie poziomu innowacyjności gospodarek, literatura przedmiotu obfituje w różne indeksy innowacyjności. Punktem wyjścia w tym artykule jest zestaw 27 zmiennych, na podstawie których opracowywany jest Summary Innovation Index. Po sprawdzeniu założeń statystycznych i zredukowaniu bazy do 21 czynników diagnostycznych, autorzy konstruują łącznie 9 rankingów innowacyjności, stosując różne metody porządkowania liniowego oraz wybrane procedury normalizacji zmiennych. Celem artykułu jest zatem ocena wpływu na ostateczny ranking krajów członkowskich UE ze względu na poziom ich innowacyjności wybranych metod porządkowania liniowego (metoda Hellwiga, metoda Topsis, metoda GDM) oraz różnych procedur normalizacji zmiennych (standaryzacja klasyczna, standaryzacja pozycyjna, przekształcenie ilorazowe).
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.