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

Results found: 8

first rewind previous Page / 1 next fast forward last

Search results

Search:
in the keywords:  composite indicators
help Sort By:

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

Sensitivity analysis as a tool to optimise Human Development Index

100%
Kuc-Czarnecka M.
Equilibrium. Quarterly Journal of Economics and Economic Policy
|
2019
|
vol. 14
|
issue 3
425-440
EN
Research background: Composite indicators are commonly used as an approximation tool to measure economic development, the standard of living, competitiveness, fairness, effectiveness, and many others being willingly implemented into many different research disciplines. However, it seems that in most cases, the variable weighting procedure is avoided or erroneous since, in most cases, the so-called ?weights by belief? are applied. As research show, it can be frequently observed that weights do not equal importance in composite indicators. As a result, biased rankings or grouping of objects are obtained. Purpose of the article: The primary purpose of this article is to optimise and improve the Human Development Index, which is the most commonly used composite indicator to rank countries in terms of their socio-economic development. The optimisation will be done by re-scaling the current weights, so they will express the real impact of every single component taken into consideration during HDI?s calculation process. Methods: In order to achieve the purpose mentioned above, the sensitivity analysis tools (mainly the first-order sensitivity index) were used to determine the appropriate weights in the Human Development Index. In the HDI?s resilience evaluation process, the Monte Carlo simulations and full-Bayesian Gaussian processes were applied. Based on the adjusted weights, a new ranking of countries was established and compiled with the initial ranking using, among others, Kendall tau correlation coefficient. Findings & Value added: Based on the data published by UNDP for 2017, it has been shown that the Human Development Index is built incorrectly by putting equal weights for all of its components. The weights proposed by the sensitivity analysis better reflect the actual contribution of individual factors to HDI variability. Re-scaled Human Development Index constructed based on proposed weights allow for better differentiation of countries due to their socio-economic development.
2
Publication available in full text mode
Content available

A COMPOSITE INDICATOR OF HOUSEHOLD DEMAND FOR DEBT (KONSTRUKCJA WSKAŹNIKA ZŁOŻONEGO POPYTU NA KREDYT GOSPODARSTW DOMOWYCH)

100%
Białowolski P.
Acta Universitatis Lodziensis. Folia Oeconomica
|
2015
|
vol. 3
|
issue 314
PL
W tym artykule prezentujemy podejście do budowy wyprzedzającego wskaźnika popytu na kredyt gospodarstw domowych. W celu prawidłowego określenia wymiarowości wskaźnika podejmujemy analizę teoretyczną jego komponentów, a następnie dobieramy pytania z ankiety badania kondycji gospodarstw domowych i badania consumer finance celem oceny przebiegu zmian w wyselekcjonowanych obszarach. W kolejnym kroku dokonujemy agregacji wymiarów i dołączamy nowopowstały wskaźnik, jako zmienną objaśniającą do modelu ARIMA. Pokazujemy, że wskaźnik pozwala wyjaśnić istotną część wariancji zmian na rynku kredytu dla gospodarstw domowych. 
EN
In this paper we present a novel approach for construction of a leading indicator for household demand for debt, i.e. consumer credit demand index. In order to derive the proper set of indicators we first present a theoretical background for the dimensions of the index. With all dimensions of the index at hand we search for indicators in the State of the Households Survey and consumer finance survey. We later aggregate the dimensions into a single index with generalized mean which does not allow for full compensability between dimensions. Finally, we check the leading properties of the index.       
3
Publication available in full text mode
Content available

Objective and Subjective Evaluation of the Condition of Manufacturing Branches in Poland - a Comparative Analysis

100%
Kwiatkowska-Ciotucha D., Załuska U., Hanczar P., Wroclaw University of Economics
Acta Universitatis Lodziensis. Folia Oeconomica
|
2003
|
vol. 164
EN
The paper presents the results of the examination of the condition of manufacturing branches in Poland obtained by applying two approaches. In the first (objective) approach the values of a composite indicator have been taken as the criterion for evaluating the effectiveness of management. The composite indicator has been constructed on the basis on a vector of component variables whose source were statistical reports. In the second (subjective) approach the results of business surveys have been applied as the evaluation criterion. The resulting orderings of individual branches obtained based on both criterions have been compared. For comparing the Spearman’s coefficient of rank correlation and values of average differences of the locations have been used.
PL
W artykule porównano wyniki badań kondycji branż produkcyjnych w Polsce uzyskane przy zastosowaniu dwóch podejść. W podejściu pierwszym (obiektywnym) jako kryterium oceny efektywności gospodarowania przyjęto wartości zmiennej syntetycznej. Zmienną syntetyczną zbudowano oparając się na wektorze zmiennych cząstkowych, których źródłem były sprawozdania statystyczne. W podejściu drugim (subiektywnym) jako kryterium oceny zastosowano wyniki testów koniunktury. Następnie porównano uporządkowania branż uzyskane na podstawie obu kryteriów oceny. Do porównań tych wykorzystano współczynnik korelacji rang Spearmana oraz wartości średnich różnic lokat.
4

Application of composite indicators and nonparametric methods to evaluate and improve the efficiency of the technical universities

88%
Szuwarzyński A.
Edukacja
|
2014
|
issue 6(131)
97–116
EN
Publicly funded universities, like commercial organizations are obliged to ensure their efficiency This article presents a model to measure and assess the relative efficiency of technical universities. The analysis was performed using publically available data from 2011 for 18 universities using the Composite indicators method and the SBM Data Envelopment Analysis model. Fourteen indicators for efficiency were defined in the five areas of the university performance: research, teaching, scientific staff development, quality of teaching processes and public funding. inefficient units were identified, based on their calculated efficiency scores and the directions for change to allow them to reach greater efficiency were suggested. Methods used to assess efficiency allowed the combined effect of all relevant factors to be taken into account which described the basic operations of the university.
5
Publication available in full text mode
Content available

EVALUATION OF THE EFFICIENCY OF FLEXICURITY IMPLEMENTATION IN OECD COUNTRIES

88%
Szuwarzyński A.
Metody Ilościowe w Badaniach Ekonomicznych
|
2013
|
vol. 14
|
issue 2
251-260
EN
Flexicurity is a policy of flexible and secure labour market. It has been the subject of many analyses, however, a coherent evaluation methodology is difficult to specify. The purpose of this paper is to propose a Data Envelopment Analysis based model for the evaluation of the efficiency of flexicurity implementation in OECD countries. The results will be used to create the ranking of countries, to determine changes in time, and to identify the reasons for inefficiency. On top of that, it will be possible to formulate recommendations for decision makers.
6

Wykorzystanie wskaźników złożonych i metod nieparametrycznych do oceny i poprawy efektywności funkcjonowania wyższych uczelni technicznych

63%
Szuwarzyński A., Julkowski B.
Edukacja
|
2014
|
issue 3(128)
54–74
PL
Publiczne uczelnie wyższe, podobnie jak organizacje komercyjne, muszą dbać o efektywność funkcjonowania. W artykule został przedstawiony model pomiaru i oceny efektywności względnej uczelni technicznych. Analizę przeprowadzono wśród 18 uczelni, wykorzystując metodę złożonych wskaźników i model SBM Data Envelopment Analysis. Zdefiniowano 14 wskaźników wpływających na efektywność dla pięciu obszarów funkcjonowania uczelni: badań naukowych, dydaktyki, rozwoju kadr naukowych, jakości procesów kształcenia oraz finansowania ze środków publicznych. Na podstawie wyników wskazano jednostki nieefektywne oraz kierunki zmian, które pozwolą im osiągnąć pełną efektywność. Zastosowane metody pozwoliły uwzględnić w ocenie efektywności łączne oddziaływanie wszystkich istotnych czynników opisujących podstawowe usługi świadczone przez uczelnie.
EN
Publicly funded universities, like commercial organizations, are obliged to ensure their efficiency. This article presents a model to measure and assess the relative efficiency of technical universities. The analysis was performed using publically available data from 2011 for 18 universities using the composite indicators method and the SBM Data Envelopment Analysis model. Fourteen indicators for efficiency were defined in the five areas of the university performance: research, teaching, scientific staff development, quality of teaching processes and public funding. Inefficient units were identified, based on their calculated efficiency scores and the directions for change to allow them to reach greater efficiency were suggested. Methods used to assess efficiency allowed the combined effect of all relevant factors to be taken into account which described the basic operations of the university.
7

Comparative Analysis of the Ordering of Polish Provinces in Terms of Social Cohesion

63%
Dehnel G., Walesiak M., Obrębalski M.
Argumenta Oeconomica Cracoviensia
|
2019
|
issue 1(20)
71-85
EN
The article describes an assessment of the social cohesion of Polish provinces. The assessment was based on classical metric and interval-valued data using a hybrid approach combining multidimensional scaling with linear ordering. In the first step, after applying multidimensional scaling, the objects of interest were represented in a two-dimensional space. In the second step, the objects were linearly ordered based on the Euclidean distance from the pattern object. Interval-valued variables characterize the objects of interests more accurately than do metric data. Classic data are of an atomic nature, i.e. an observation of each variable is expressed as a single real number. By contrast, an observation of each interval-valued variable is expressed as an interval. Interval-valued data were derived by aggregating classic metric data on social cohesion at the level of districts to the province level. The article describes a comparative analysis of the results of an assessment of the social cohesion of Polish provinces based on classical metric data and interval-valued data.
PL
Ocenę spójności społecznej województw Polski przeprowadzono na podstawie klasycznych danych metrycznych oraz symbolicznych interwałowych z wykorzystaniem podejścia hybrydowego łączącego zastosowanie skalowania wielowymiarowego z porządkowaniem liniowym. W pierwszym kroku w wyniku zastosowania skalowania wielowymiarowego otrzymano wizualizację badanych obiektów w przestrzeni dwuwymiarowej. Następnie przeprowadzono porządkowanie liniowe zbioru obiektów na podstawie odległości Euklidesa od wzorca rozwoju. Zmienne symboliczne interwałowe opisują badane obiekty precyzyjniej niż metryczne dane klasyczne. Dane klasyczne mają charakter atomowy. Obserwacja na każdej zmiennej wyrażona jest w postaci jednej liczby rzeczywistej, z kolei dla zmiennych symbolicznych interwałowych obserwacja na każdej zmiennej ujęta jest w postaci przedziału liczbowego. W celu otrzymania danych symbolicznych interwałowych zastosowano dwustopniowe gromadzenie danych. Najpierw zgromadzono dane klasyczne dotyczące spójności społecznej według powiatów Polski, a następnie poddano je agregacji do poziomu województw, otrzymując dane symboliczne interwałowe. W artykule przeprowadzono analizę porównawczą wyników badania spójności społecznej województw Polski uzyskanych na podstawie klasycznych danych metrycznych oraz danych symbolicznych interwałowych.
8
Publication available in full text mode
Content available

Dostosowanie przedsiębiorstw do wymogów czwartej rewolucji przemysłowej – ujęcie regionalne

63%
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.
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.