W celu określenia wielkości wpływu aktywności ekonomicznej gospodarstw
10
domowych 50+ na ich sytuację materialną wykorzystano model logitowy. Model
11
ten jest szczególnym rodzajem modelu regresji, w którym zmienna zależna yi* jest
12
nieobserwowalna [Maddala 2006, 2008, s. 371-383 i Johnston 1991, s. 419-428]:
13
Nazywa się ją zmienną ukrytą i przyjmuje ona następujące wartości:
15
0 w pozostałych przypadkachWówczas model logistyczny regresji dla zmiennej dychotomicznej
16
określony jest równaniem [Kurkiewicz 2007, s. 58-61, Stanisz 2007, s. 217-255]:
17
j – numer zmiennej objaśniającej.
22
Prawdopodobieństwo Pi(Y 1/x1,x2,...,xk) jest warunkowym
23
prawdopodobieństwem, że zmienna y przyjmie wartość 1 dla wartości zmiennych
24
Lewa strona tego równania to logarytm ilorazu szans. Iloraz szans (logit) to
gospodarstwa domowego na pogorszenie lub nie sytuacji materialnej. Im większa
4
wartość logitu, tym większa szansa dla gospodarstwa, że sytuacja materialna
5
ulegnie pogorszeniu.
6
W przypadku analizy związku pomiędzy sytuacją materialną a aktywnością
7
ekonomiczną członków gospodarstwa domowego za zmienną objaśnianą przyjęto
8
udział wydatków na żywność i napoje bezalkoholowe w wydatkach ogółem, który
9
można traktować jako miernik sytuacji materialnej gospodarstwa2. Zmienną
10
zależną jest więc zmienna binarna, w przypadku której jedynką oznaczono
11
zdarzenie polegające na poniesieniu wspomnianych wydatków na poziomie
12
powyżej 29%, a więc powyżej wartości mediany udziału wydatków na żywność
13
w wydatkach ogółem. Zbiór zmiennych objaśniających obejmował:
14
LPR – liczbę pracujących w gospodarstwie domowym,
15
LBI – liczbę biernych zawodowo w gospodarstwie domowym,
16
LBE – liczbę bezrobotnych w gospodarstwie domowym,
17
WIEK – wiek głowy gospodarstwa domowego,
18
WYKSZ – wykształcenie głowy gospodarstwa domowego (co najwyżej
19
gimnazjalne – 1, zasadnicze zawodowe – 2, średnie ogólnokształcące – 3, średnie
20
zawodowe – 4, wyższe – 5),
21
KLM – klasę miejscowości zamieszkania (miasto pow. 500 tys. mieszkańców – 1,
22
w gospodarstwach domowych 50+ zamieszczono w tabeli 6. Dodatnie wartości
27
parametrów sugerują pogorszenie sytuacji materialnej wraz ze wzrostem
28
odpowiedniej zmiennej objaśniającej. Wzrost liczby osób bezrobotnych zwiększa
29
wartość stosunku prawdopodobieństwa zwiększenia się udziału wydatków na
30
żywność w wydatkach ogółem do prawdopodobieństwa zmniejszenia tego udziału
31
o 58%. Natomiast wzrost liczby biernych zawodowo powoduje wzrost tego ilorazu
32
o 18,79%. Prawdopodobieństwo ponoszenia przez gospodarstwo domowe
33
wydatków na żywność przekraczających 29% spada wraz ze wzrostem liczby osób
34
pracujących, poprawą wykształcenia głowy gospodarstwa oraz wzrostem liczby
35
mieszkańców miejscowości, w której położone jest dane gospodarstwo. Wzrost
36
liczby mieszkańców powoduje spadek ilorazu szans o 56%, natomiast poprawa
37
wykształcenia głowy gospodarstwa – spadek o 27%. Ujemny statystycznie istotny
38
wpływ na zmienną objaśnianą ma również liczba pracujących. Wzrost tej zmiennej
39
2 W statystyce społecznej wiele badań opiera się na założeniu, że im niższy jest udział wydatków na żywność w łącznych wydatkach gospodarstw domowych, tym większa jest zamożność gospodarstw [Bąk 2013, Dudek 2006, Panek 2009].
198 Iwona Bąk, Beata Szczecińska o jedną osobę powoduje poprawę sytuacji materialnej o ok. 6%. Wiek głowy
1
gospodarstwa domowego praktycznie nie wpływa na zmianę sytuacji materialnej
2
gospodarstwa. Opierając się na oszacowanym modelu wyznaczono ogólną trafność
3
klasyfikacji przypadków przekraczającą 65%.
4
Tabela 6. Oceny parametrów modelu logitowego dla frakcji wydatków na żywność
5
w gospodarstwach domowych 50+
6
Nazwa zmiennej Ocena parametru
Błąd standardowy
Krytyczny
poziom istotności Iloraz szans
wyraz wolny 1,2352 0,1346 0,0000 3,4391
LPR -0,0582 0,0173 0,0007 0,9435
LBI 0,1722 0,0174 0,0000 1,1879
LBE 0,4579 0,0396 0,0000 1,5808
WYKSZ -0,3134 0,0111 0,0000 0,7310
WIEK -0,0053 0,0018 0,0035 0,9947
KLM -0,8128 0,0612 0,0000 0,4436
Źródło: obliczenia własne na podstawie indywidualnych danych nieidentyfikowalnych
7
udostępnionych przez GUS
8
PODSUMOWANIE 9
Na podstawie przeprowadzonych badań można stwierdzić, że wydatki
10
gospodarstw domowych 50+ zdeterminowane są rodzajem aktywności
11
ekonomicznej głowy gospodarstwa. Gospodarstwa nieaktywnych zawodowo
12
przede wszystkim zaspokajają podstawowe potrzeby (żywność, użytkowanie
13
mieszkania i nośniki energii), kosztem pozostałych, co spowodowane jest ich
14
gorszą sytuacją materialną. Prawie dla każdego rodzaju wydatków ich przeciętne
15
wartości w gospodarstwach pracujących są wyższe niż w pozostałych badanych
16
grupach gospodarstw, tzn. bezrobotnych i biernych zawodowo.
17
Do określenia wielkości wpływu aktywności ekonomicznej gospodarstw
18
domowych 50+ na ich sytuację materialną wykorzystano model logitowy.
19
Przyjmując udział wydatków na żywność jako miernik poziomu sytuacji
20
materialnej okazało się, że pojawienie się kolejnych osób bezrobotnych
21
w gospodarstwie zdecydowanie negatywnie wpływa na sytuację materialną tego
22
gospodarstwa. Natomiast na poprawę tej sytuacji wpływa wzrost liczby
23
pracujących, wykształcenie głowy gospodarstwa oraz wzrost liczby mieszkańców
24
miejscowości, w której położone jest dane gospodarstwo.
25
W artykule przeprowadzono analizę wpływu aktywności ekonomicznej na
26
sytuację materialną gospodarstw domowych, ale należy pamiętać, że relacja ta
27
może być odwrotna. Podjęcie pracy przez członków gospodarstwa domowego
28
w niektórych sytuacjach jest wymuszane przez niezadawalający poziom sytuacji
29
materialnej. Dlatego wyniki analiz przedstawionych w niniejszym opracowaniu
30
należy potraktować jako wstęp do dalszych badań.
31
BIBLIOGRAFIA 1
Aktywność ekonomiczna ludności Polski. (2016) GUS, Warszawa.
2
Badowska S., Rogala A. (2015) Przełamanie stereotypizacji konsumentów-seniorów
3
a implikacje dla marketingu. Problemy Zarządzania, Finansów i Marketingu 41 (1),
4
Zeszyty Naukowe Uniwersytetu Szczecińskiego.
5
Bąk I. (2013) Statystyczna analiza aktywności turystycznej seniorów w Polsce.
6
Wydawnictwo Uczelniane ZUT w Szczecinie.
7
Bombol M., Słaby T. (2011) Konsument 55+ wyzwaniem dla rynku. Szkoła Główna
8
Handlowa w Warszawie-Oficyna Wydawnicza, Warszawa.
9
Dudek H. (2006) Zastosowanie ekonometrycznych modeli udziału wydatków na żywność
10
w statystyce społecznej. Wiadomości Statystyczne, 12, GUS, Warszawa.
11
Johnston J. (1991) Econometric methodes. McGraw-Hill Book Company, Singapore.
12
Kołodziejczyk W., Wysocki F. (2015) Determinanty aktywności ekonomicznej ludności
13
wiejskiej w Polsce. Wydawnictwo Uniwersytetu Przyrodniczego w Poznaniu.
14
Kurkiewicz J. (red.) (2007) Ludzie starsi w rodzinie i społeczeństwie. Wydawnictwo
15
Uniwersytetu Ekonomicznego w Krakowie.
16
Maddala G. S. (2006, 2008) Ekonometria. PWN, Warszawa.
17
Metodologia badania budżetów gospodarstw domowych. (2011) Zakład Wydawnictw
18
Statystycznych, GUS, Warszawa.
19
Panek T. (2009) Statystyczne metody wielowymiarowej analizy porównawczej. SGH
20
w Warszawie.
21
Stanisz A. (2007) Przystępny kurs statystyki z zastosowaniem STATISTICA PL
22
na przykładach z medycyny. Statsoft Polska Sp z o.o. Kraków.
23
50+ HOUSEHOLD'S EXPENDITURE AND ECONOMIC ACTIVITY
24
Abstract: The purpose of the research in this paper is to analyze
25
the statistical expenditure of households on account of their economic
26
activity. There were discussed the average expenditures on particular types
27
of consumer goods and services, as well as the structure of expenditures
28
of these household, according to the labor market status of the head
29
of household (employed, inactive, unemployed). The study covered 2014
30
and the integrated dataset included 20,607 households in which the head
31
of the household was 50 years or older.
32
Keywords: 50+ households, economic activity, expenditure, econometric
33
modeling
34
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Received: 17.05.2017
Tom XVIII/2, 2017, s. 200 – 209 Accepted: 05.07.2017
DOI: 10.22630/MIBE.2017.18.2.19
TYPY STRUKTURY OBSZAROWEJ GOSPODARSTW ROLNYCH
1
W KRAJACH UNII EUROPEJSKIEJ W OKRESIE 2005-2013
2
Jadwiga Bożek
3
Wydział Rolniczo-Ekonomiczny
4
Uniwersytet Rolniczy w Krakowie
5
e-mail: rrbozek@cyf-kr.edu.pl
6
Streszczenie: Struktura agrarna krajów Unii Europejskiej jest silnie
7
zróżnicowana. W pracy porównano typy struktury obszarowej gospodarstw
8
rolnych w krajach UE w latach 2005, 2010, 2013. Badania przeprowadzono
9
na podstawie danych Eurostat–u. W oparciu o metodę klasyfikacji rozmytej
10
wyodrębnione zostały grupy krajów podobnych pod względem rozkładu
11
liczby gospodarstw (według grup obszarowych użytków rolnych). Na tej
12
podstawie zidentyfikowano 4 typy struktury agrarnej krajów Unii
13
Europejskiej. W okresie 2005-2013 typy badanej struktury uległy
14
nieznacznym zmianom, natomiast zmienił się skład grup krajów
15
charakteryzujących się danym typem struktury.
16
Słowa kluczowe: typy struktury agrarnej, kraje UE, klasyfikacja rozmyta
17
WSTĘP 18
W 2004 roku do Unii Europejskiej przystąpiło 12 krajów, w większości
19
których struktura obszarowa gospodarstw rolnych była rozdrobniona i znacznie
20
odbiegała od krajów „starej 15” [Babiak 2010, Bożek 2010]. Po przystąpieniu do
21
Unii Europejskiej w nowych krajach członkowskich następują wyraźne zmiany
22
w rolnictwie, w tym również w wielkości gospodarstw. Zmniejszyła się znacznie
23
liczba gospodarstw najmniejszych obszarowo, a wzrosła liczba gospodarstw
24
dużych. Przemiany te spowodowane są głównie przesłankami ekonomicznymi, ale
25
także mechanizmami wprowadzanymi w ramach Wspólnej Polityki Rolnej Unii
26
Europejskiej [Poczta 2013]. Przemiany struktury obszarowej krajów UE są
27
tematem wielu prac, m.in. [Babiak 2010, Dzun 2012, Poczta 2013, Stańko i in.
28
2016]. Niniejsza praca jest kontynuacją badań nad zróżnicowaniem struktury
29
agrarnej w krajach UE. W pracy [Bożek 2016a] przedstawiono klasyfikację krajów
30
UE pod względem podobieństwa struktury agrarnej w 2013 roku, a w pracy [Bożek