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

Results found: 11

first rewind previous Page / 1 next fast forward last

Search results

help Sort By:

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

Relationship of Social and Lifestyle Factors with Central Fat Distribution Expressed by the Aggregate Fat Distribution Index

100%
Suder A., Sokołowski A.
Anthropological Review
|
2014
|
vol. 77
|
issue 2
205-218
EN
Abdominal obesity is caused by several factors and the explanation of the level of its variability also depends on anthropometric indexes applied for its assessment. The aim was to determine the degree of explanation of the abdominal adiposity variation, presented by the aggregate fat distribution index (AFDI), through the socio-economic status and lifestyle. Subjects and methods: A cross-sectional population-based study was conducted on a sample of 259 healthy working males aged 20-30 from the city of Cracow, Poland. A full model was created using a stepwise backward regression with the social and lifestyle data as independent variables and the AFDI as a dependent variable. The AFDI was created by unitarization applied to selected characteristics of fat distribution which were transformed into [0,1] interval (without measurement unit) and then added and averaged to form a composite index. The highest autonomous influence on AFDI is ascribed to age (b = 0.2456 p = 0.000), level of motor fitness b=−0.2392 p=0.000), leisure time physical activity (b=−0.1353 p=0.000) and being born in a rural area (b=0.1300 p=0.000). The variables explain 17% (R2=0.1667) of the variation of the central fat distribution. Variation of the abdominal adiposity was explained with the use of AFDI at the level close to the commonly applied indexes.
2
Publication available in full text mode
Content available

Dostosowanie przedsiębiorstw do wymogów czwartej rewolucji przemysłowej – ujęcie regionalne

100%
Sokołowski A., Markowska M.
Wiadomości Statystyczne. The Polish Statistician
|
2021
|
vol. 66
|
issue 1
32-48
PL
The aim of the paper is to propose a composite indicator characterising the level of development of Polish NUTS 2 regions with respect to the implementation and results of the changes the fourth industrial revolution (Industry 4.0) entails, and to present a ranking of regions illustrating the degree to which enterprises have adjusted to the requirements of Industry 4.0. Data used for the calculations have been based on the results of an experimental research conducted by Statistics Poland (GUS) in 2019. Two methods for constructing the composite indicators have been used - classical and iterative which is to assess the indicator's resilience to the influence of any potential outliers. 10 sub-criteria, covered by 21 variables have been taken into account. Opolskie region appeared to be the best NUTS 2 region in Poland in terms of the implementation of the requirements outlined by Industry 4.0. The evaluation of the proposed composite indicator will be possible when comparing it with the results of similar surveys carried out by GUS in the future.
EN
Celem artykułu jest zaproponowanie agregatowego wskaźnika poziomu rozwoju polskich regionów szczebla NUTS 2 w zakresie wdrażania i efektów rozwiązań charakteryzujących czwartą rewolucję przemysłową (Przemysł 4.0) oraz przedstawienie rankingu regionów pod względem dostosowania przedsiębiorstw do wymogów Przemysłu 4.0. Podstawą obliczeń były wyniki badania eksperymentalnego przeprowadzonego przez GUS w 2019 r. Zastosowano dwie metody wyznaczania wskaźnika agregatowego: klasyczną oraz iteracyjną, która uwzględnia ocenę odporności wskaźnika na ewentualne obserwacje odstające. Zakres przedmiotowy obejmował 10 podkryteriów, a w ich ramach – 21 cech statystycznych. Przodującym regionem pod względem wdrażania rozwiązań z zakresu Przemysłu 4.0 okazało się woj. opolskie. Ocena trafności zaproponowanego wskaźnika będzie możliwa na podstawie porównań z wynikami analogicznych badań GUS przeprowadzanych w kolejnych latach.
3
Publication available in full text mode
Content available

Metoda dekompozycji zmian struktury

100%
Markowska M., Sokołowski A.
Prace Komisji Geografii Przemysłu Polskiego Towarzystwa Geograficznego
|
2016
|
vol. Volume 30, Issue 3
25-32
PL
Pojęcie struktury jest na ogół używane w dwojakim znaczeniu. Pierwsze to konfiguracjapunktów w przestrzeni wielowymiarowej, a drugie to ciąg liczb nieujemnych, sumujących się do jedności.Rozpatrujemy strukturę w tym drugim sensie. Struktura jest wówczas pewnym efektem rachunkowym istniejącymtylko w wyniku porównań części z całością i mówimy wówczas o „kształcie”. Wartości elementówstruktury definiują jej „rozmiar”. Do istnienia nietrywialnej struktury potrzeba co najmniej dwóch jej składników.Zmiana rozmiaru nie musi powodować zmiany kształtu, jeżeli zmiany składników następują w tej samejproporcji. Natomiast zmiana kształtu nie może odbyć się bez zmiany rozmiaru. W pracy zaproponowanomiary udziału elementu struktury w jej zmianach przy porównywaniu struktur w dwóch obiektach (lub okresach),zarówno w odniesieniu do rozmiaru, jak i do kształtu. Określają one udział składnika w zmianach, a ichznak wskazuje, czy był to wzrost, czy spadek udziału. Suma modułów wartości miar dla wszystkich składnikówstruktury jest równa jedności. W pracy poddano analizie zmiany sektorowej struktury zatrudnieniaw regionach Republiki Czeskiej w latach 2008–2014.
EN
Structure can be understood in two ways. The first one means the configuration of points in a multidimensional space, and the second one is a sequence of nonnegative numbers summing to one. In the paper the authors analyse the latter meaning of structure. It is in fact an arithmetic result of comparing parts with the whole and only then can we talk about “shape”. Values of structure elements define its “size”. We need at least two elements to have a nontrivial structure. A change in size does not have to cause a change in shape if changes in size are proportional for all elements. The change in shape must follow the change in size. Two measures have been proposed in the paper to reflect both types of changes while comparing two structures. They show the share of each structure element in changes and their sign define the direction of influence (positive or negative). Absolute values of each measure sum up to one. As an example, the analysis of structural employment changes in the regions of Czech Republic, between 2008 and 2014 is presented in the paper.
4
Publication available in full text mode
Content available

Sektorowe struktury zatrudnienia w krajach Unii Europejskiej w latach 2008–2017 – nowe podejście w ocenie dynamiki

100%
Markowska M., Sokołowski A.
Prace Komisji Geografii Przemysłu Polskiego Towarzystwa Geograficznego
|
2019
|
vol. 33
|
issue 2
7-17
EN
The aim of the paper is to present a new idea in analysing changes in structures, assuming that structures change gradually through rather slow evolution. Employment structures of European Union countries, analysed in terms of 10 economic sections are definitely these types of structures. Single structure is a result of individual decisions undertakes by thousands of citizens. Cluster analysis is a method used in the paper, and what is new is a non-standard list of diagnostic variables. It consist of 10 coefficients of structure from the initial year of analysis (2008), 8 measures of structure changes from year to year and 9 measures of structure dissimilarity between each year and the initial one. Such a set of features describes structures at a starting point of analysis together with chain and fixed base dynamics. 28 EU countries are analysed, which creates a taxonomic problem [Y, TZ]. Using furthest neighbour agglomerative method we found 7 group of countries, and two of them are single-country groups. Differences between groups have been described by within-group averages.
PL
Celem pracy jest zaprezentowanie nowej koncepcji analizy zmian struktur, przy założeniu, że zmiany te nie są gwałtowne i mają raczej charakter ewolucyjny. Niewątpliwie takimi strukturami są struktury zatrudnienia w krajach Unii Europejskiej rozpatrywane w układzie 10 sekcji. Struktura taka powstaje w wyniku sumowania się decyzji lub zdarzeń dotyczących wielu tysięcy ludzi. Podstawową metodą stosowaną w pracy jest analiza skupień, a jej nowość polega na wykorzystaniu niestandardowego zestawu cech. Tworzy go 10 wskaźników struktury z wyjściowego roku analizy, czyli z roku 2008; 9 wartości miar zmian struktur z roku na rok oraz 8 wartości miar niepodobieństwa struktur z poszczególnych lat w stosunku do roku wyjściowego. Taki zestaw opisuje stan wyjściowy struktur oraz ich dynamikę łańcuchową i o podstawie stałej. Analizowanych jest 28 krajów Unii Europejskiej. Taki układ badawczy tworzy zagadnienie taksonomiczne [Y, TZ]. W wyniku zastosowania aglomeracyjnej metody najdalszego sąsiedztwa na danych niestandaryzowanych uzyskano siedem grup krajów, w tym dwie grupy jednoelementowe. Opisano różnice między tymi grupami na podstawie obliczonych średnich wartości cech w grupach
5
Publication available in full text mode
Content available

Ocena udziału sektorów w zróżnicowaniu struktur zatrudnienia w Warszawie i powiatach sąsiadujących w latach 2005–2014

100%
Markowska M., Sokołowski A.
Prace Komisji Geografii Przemysłu Polskiego Towarzystwa Geograficznego
|
2017
|
vol. Volume 31, Issue 4
25-39
PL
Celem pracy jest identyfikacja zróżnicowania struktur (kształtu i skali) zatrudnienia w Warszawie i powiatach sąsiednich w ujęciu dynamicznym oraz ocena znaczenia sektorów gospodarki w tym zróżnicowaniu. W pracy przedstawiono wyniki oceny udziału takich sektorów, jak: rolnictwo, przemysł oraz usługi, w podziale na handel, usługi finansowe oraz pozostałe usługi, w zróżnicowaniu struktur zatrudnienia w Warszawie i powiatach, które ze stolicą sąsiadują, czyli: legionowskim, mińskim, otwockim, wołomińskim, piaseczyńskim, pruszkowskim oraz warszawskim zachodnim. Badanie przeprowadzono w latach 2005–2014, a do realizacji celu pracy wykorzystano – w porównaniach przestrzennych – miary oceniające udział składnika w zróżnicowaniu (niepodobieństwie) dwóch struktur. Miara URij pozwala na ocenę udziału i-tego składnika w niepodobieństwie rozmiaru dwóch struktur, zaś miara UKij – w niepodobieństwie kształtu struktur. Uzyskane wyniki pozwalają zarówno na dokonywanie porównań dla poszczególnych sektorów w konkretnych powiatach, jak i na porównywanie powiatów dla konkretnego sektora. Odnośnie rozmiaru struktury zauważono zdominowanie przez Warszawę miar udziału poszczególnych sektorów w niepodobieństwie struktury zatrudnienia oraz fakt, że hierarchia powiatów (poza piaseczyńskim) nie ulegała zmianom. W zakresie kształtu struktur stwierdzono zdecydowanie wyższy udział przemysłu i rolnictwa w strukturze zatrudnienia w powiatach ościennych oraz chaotyczne (a przez to trudne do interpretacji) zmiany w usługach finansowych. Przeprowadzone analizy potwierdzają potrzebę osobnego rozważania efektu rozmiaru i efektu kształtu w porównywaniu struktur.
EN
The aim of the paper is the identification of differences in employment structure (from the point of view of shape and scale), in dynamic perspective, in Warsaw and neighbouring districts. Shares of agriculture, industry, trade, financial services and other services in difference between Warsaw city and the following districts: legionowski, miński, otwocki, wołomiński, piaseczyński, pruszkowski and warszawski zachodni, have been evaluated. The analysis is based on data from the period of 2005–2014. Two statistical measures have been used: URij which enables to estimate the share of i-th element in dissimilarities of two structures with respect to size, and UKij with respect to shape. The results obtained make it possible to compare sectors in a district, or to compare districts for a given sector of economy. As far as the differences in the size of structure are concerned, Warsaw dominated, and the hierarchy of districts was very stable, except for piaseczyński district. In the analysis of the shape of employment structure we have found significantly higher shares of industry and agriculture in particular districts, as compared with Warsaw city. Changes in the influence of financial services appeared more random and were difficult to interpret. Our results advocate for separate consideration of size and shape while comparing structures.
6
Publication available in full text mode
Content available

Grupowanie metodą k-średnich z warunkiem spójności

100%
Sobolewski M., Sokołowski A.
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu
|
2017
|
issue 468
215-221
PL
Metody taksonomiczne są często wykorzystywane do grupowania jednostek administracyjnych (gmin, powiatów, regionów, państw). Ich przedmiotem są najczęściej: jakość życia mieszkańców, atrakcyjność inwestycyjna regionów, poziom rozwoju infrastruktury lub inne bezpośrednio niemierzalne zjawiska. W klasycznych procedurach grupowania nie uwzględnia się powiązań przestrzennych jednostek administracyjnych, co prowadzi zazwyczaj do braku spójności przestrzennej otrzymanych grup. Interesujące byłoby opracowanie modyfikacji metody k-średnich pod kątem zapewnienia spójności przestrzennej uzyskiwanych podziałów jednostek terytorialnych. W pracy omówiono zmodyfikowany algorytm k-średnich oraz zaprezentowano jego implementację w postaci rozszerzenia programu STATISTICA. Przedstawiono przykładowe wyniki grupowania na spójne podzbiory dla danych dotyczących powiatów. Porównano uzyskany podział do klasycznej klasyfikacji, w której nie uwzględniono warunku spójności.
7
Publication available in full text mode
Content available

The Impact of COVID–19 on the Level and Structure of Employment in European Union Countries

100%
Markowska M., Sokołowski A.
Comparative Economic Research. Central and Eastern Europe
|
2023
|
vol. 26
|
issue 1
89-109
PL
Celem artykułu jest zaproponowanie i zastosowanie metod, które można wykorzystać do oceny zmian w ciągu jednego roku dowolnego mierzalnego zjawiska z punktu widzenia tego, w jaki sposób podążają one za schematem procesu obserwowanego w latach poprzednich. Badania przeprowadzono dla zatrudnienia ogółem oraz zatrudnienia w następujących sekcjach: Rolnictwo, leśnictwo i rybołówstwo; Przemysł; Budownictwo; Handel hurtowy i detaliczny, transport, usługi hotelowe i restauracyjne; Informacja i komunikacja; Działalność finansowa i ubezpieczeniowa; Nieruchomości; Działalność naukowa, fachowa i techniczna, usługi administracyjne i pomocnicze; Administracja publiczna, obrona narodowa, edukacja, ochrona zdrowia i opieka społeczna; Sztuka, rozrywka, rekreacja, inne usługi, działalność gospodarstw domowych i organizacji pozarządowych. Zastosowano dwa podejścia metodologiczne. W ramach pierwszego oszacowano modele trendu i autoregresji na podstawie danych z lat 2008–2019 oraz wyznaczono prognozy na rok 2020. Następnie porównano je z wartościami rzeczywistymi w roku 2020. Zaproponowano tzw. Regułę trzech dwójek. Drugie podejście to dynamiczna analiza skupień. Zmiany w składzie wyodrębnionych grup pozwoliły na ocenę wpływu pandemii COVID 19 na stopy zatrudnienia w roku 2020.
EN
The paper proposes methods that can be used to evaluate the changes in one year of any measurable phenomenon based on how it performed in previous years. The following economic sections are considered: Agriculture, forestry and fishing/Industry/Construction/Wholesale and retail trade, transport, accommodation and food services/Information and communication/Financial and insurance activities/Real estate activities/Professional, scientific and technical activities, including administrative and support services/Public administration, defence, education, human health and social work/Arts, entertainment and recreation; other service activities; activities of household and extra‑territorial organisations and bodies. The paper proposes a new method – called The Triple 2 Rule – to identify changes in employment time series. Trends and autoregressive models are estimated for the period 2008–2019, and 2020 forecasts are calculated. The difference between the forecasted and observed values for 2020 is treated as a measure of the impact of COVID–19. Dynamic cluster analysis based on 2008–2020 data is the second approach. The characteristics and changes in the composition of dynamic clusters give a picture of the impact of 2020. These changes can be considered to have been caused – at least partially – by the COVID–19 pandemic.
8
Publication available in full text mode
Content available

Dynamiczna klasyfikacja regionów UE ze względu na strukturę rynku pracy – pozycja regionów polskich

81%
Markowska M., Sokołowski A., Strahl D., Sobolewski M.
Prace Komisji Geografii Przemysłu Polskiego Towarzystwa Geograficznego
|
2015
|
vol. 29
|
issue 2
23-36
PL
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.
9
Publication available in full text mode
Content available

Taksonomia dynamiki zmian struktury zatrudnienia w nowoczesnym przemyśle i usługach, w regionach Unii Europejskiej

81%
Markowska M., Strahl D., Sokołowski A.
Prace Komisji Geografii Przemysłu Polskiego Towarzystwa Geograficznego
|
2014
|
vol. 26
46-64
PL
Celem pracy jest analiza zmian udziału zatrudnionych w nowoczesnych, rozwiniętych technologicznie usługach i przemyśle w regionach Unii Europejskiej na poziomie NUTS 2. Wykorzystano dane z lat 1999–2008, kiedy były one w miarę kompletne i porównywalne. Dla każdej cechy osobno i dla każdego regionu oszacowano tendencję rozwojową. Współczynniki trendu potraktowano jako zmienne wejściowe do analizy taksonomicznej. Przy pomocy metody Warda zidentyfikowano liczbę grup regionów, różniących się modelem dynamiki zmian zatrudnienia w analizowanych sferach. Ostateczny podział regionów ze względu na dynamikę uzyskano przy pomocy metody k-średnich. Wyniki grupowania były weryfikowane przy pomocy jednoczynnikowej analizy wariancji. Na końcu ustalono modele dynamiki typowe dla wyróżnionych grup regionów.
EN
The objective of the study is to analyze changes of employment share in modern, high-tech services and industry in the European Union regions at NUTS 2 level. The data covering the period of 1999–2008 were used since they are relatively complete and comparable. The growth tendency, separately for each quality/property and for each region, was estimated. Trend coefficients were used as input variables for the purposes of cluster analysis. By applying Ward’s method identified was the number of regional clusters, which differ by the model of employment changes dynamics in the analyzed spheres. The ultimate division of regions in terms of dynamics was obtained by using the k-means method. The results of clustering were verified by applying one-way analysis of variance. Finally the models of dynamics typical for the distinguished clusters of regions were specified.
10
Publication available in full text mode
Content available

Dynamiczne skalowanie wielowymiarowe w analizie zmian struktury zatrudnienia w krajach Unii Europejskiej w latach 1999–2016

81%
Markowska M., Sokołowski A., Strahl D.
Prace Komisji Geografii Przemysłu Polskiego Towarzystwa Geograficznego
|
2019
|
vol. 33
|
issue 1
7-17
EN
Multidimensional Scaling method makes it possible to show the configuration of multivariate objects in the space with less dimensions than the original one (usually on the plane) in such a way that a distance matrix calculated in lower dimension is the most similar to the distance matrix calculated in the original multivariate space. The application of this approach for the analysis of spatio-temporal structures is presented in the paper. Structures are described by shares, so no standardisation (or normalisation) is needed to eliminate the measurement units. Separate Multidimensional Scaling is performed for each time point. On the sequence of results we can follow the changes of object position. Those trajectories can be approximated by trend functions. The example considered in the paper deals with the employment structure in 28 European Union countries in 1999–2016. Structures are calculated on the basis of 10 aggregated sections of the economy.
PL
Skalowanie wielowymiarowe to metoda pozwalająca na przedstawienie obserwacji złożonych w przestrzeni o mniejszej liczbie wymiarów (zazwyczaj na płaszczyźnie) w taki sposób, aby macierz odległości liczonych na płaszczyźnie była jak najbardziej podobna do macierzy liczonej w przestrzeni oryginalnej. W pracy przedstawiono propozycję wykorzystania tego podejścia w analizie struktur przestrzenno-czasowych. Struktury są opisane udziałami, zatem nie jest konieczna procedura doprowadzania udziałów do porównywalności ze względu na jednostkę miary. Dla każdej jednostki czasu przeprowadzane jest osobne skalowanie wielowymiarowe. Ciąg wyników pozwala śledzić przemieszczanie się badanych obiektów względem innych w zbiorze. Te trajektorie można aproksymować funkcjami trendu. Rozważany przykład merytoryczny to analiza struktur zatrudnienia w 28 krajach Unii Europejskiej w latach 1999–2016. Struktury te liczone są w podziale na 10 zagregowanych sekcji.
11
Publication available in full text mode
Content available

Financial threat profiles of industrial enterprises in Poland

71%
Kaczmarek J., Alonso S. L. N., Sokołowski A., Fijorek K., Denkowska S.
Oeconomia Copernicana
|
2021
|
vol. 12
|
issue 2
463-498
EN
Research background: The nature of bankruptcy has been the subject of interest for economic theories, both positive-identifying relationships between bankruptcy and other economic categories - and normative, shaping the rules for the proper regulation of bankruptcy. In turn, the functioning of an enterprise in conditions of risk, financial threat, and finally a crisis that could lead to bankruptcy, are of interest to management. The interpenetration of these two dimensions provided the motivation for this study, which assumes a bottom-up approach: from individual results to summarised multi-sectional comparisons. Purpose of the article: The purpose of the research was to evaluate the level, directions of change, and structure of the degree of financial threat in industrial enterprises. The period under analysis was 2007-2018 and the whole population of industrial enterprises in Poland (15,999 entities) was examined. The enterprises were small and medium-sized enterprises (SMEs) as well as large enterprises (LEs). The financial analysis covered macro-, meso-, and microeconomic levels. Methods: The analysis was conducted using a comparative approach and financial threat predictions obtained from the original multivariable logit model. Heat maps were used to evaluate the intensity of changes in financial threat. The displacement of objects in structures was studied, ordered, and classified. Four normative standards of threat scenarios were defined and then used to evaluate similarities in the profiles of the structures examined, using the similarity measure. The ranking and its variability were analysed in the assessment of profiles. Findings & value added: As the result of the research, properties were described and profiles were determined for the structures in terms of the degree of threat and its correlation with rate of bankruptcy and creating added value. The originality of the research comes from the use of novel dynamic logit models. The added value is a unique study on the entire population of industrial enterprises in the national economy and a methodology for identifying financial threat profiles and their similarity at subsequent aggregation levels (the micro-, meso-, and macro-levels). This made it possible to derive patterns and regularities for economic policy and guidelines for business management.
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.