Analiza klastrowa

Zdarza się, że regiony o podobnej warto-ści wskaźnika osiągają zbliżony poziom z zupeł-nie różnych przyczyn. Podobne przypadki miały także miejsce w naszej analizie. Z tego powo-du na poziomie 12 z 13 składowych użytych do

wskaźnika (z wyłączeniem jednego, używanego jako współczynnika korekcyjnego) postanowili-śmy przeprowadzić analizę klastrową i pokazać, które regiony pod względem wszystkich użytych w analizie wskaźników są najbardziej podobne.

26

z użyciem metody Warda dla obu wersji zestawu danych – ograniczonej i rozbudowanej wersji ilo-ści powiatów. Wyboru dokonaliśmy na podstawie współczynnika aglomeracji obliczanego dla kilku

najczęściej wykorzystywanych metod łączenia klastrów. Do decyzji o liczbie grup wykorzystali-śmy metodę silhouette. Szczegóły dotyczące wy-boru metody analizy klastrowej oraz podziału na grupy znajdują się w aneksie metodologicznym.

↘ Wykres 5. Analiza klastrowa dla bazowego zestawu danych

Powiat m. Rybnik Powiat zgorzelecki Powiat chrzanowski Powiat oświęcimski Powiat m. Piekary Śląskie Powiat m. Sosnowiec Powiat m. Bytom Powiat m. Zabrze Powiat wodzisławski Powiat m. Mysłowice Powiat m. Ruda Śląska Powiat gliwicki Powiat bieruńsko−ledziński Powiat mikołowski Powiat pszczyński Powiat bełchatowski Powiat turecki Powiat łęczyński Powiat m. Gliwice Powiat m. Jaworzno Powiat m. Katowice Powiat m. Jastrzębie−Zdrój Powiat m. Konin

0 2 4 6 8 10

Dendrogram Agnes metodą Warda

Wysokość

Źródło: opracowanie własne PIE.

W analizie klastrowej wykonanej na pod-stawowym zestawie danych można wyróżnić 4 grupy:

Grupa 1 – Rybnik, Piekary Śląskie, Bytom, Mysło-wice, Ruda Śląska, Zabrze, Sosnowiec oraz powiaty zgorzelecki, chrzanowski, oświęcim-ski, wodzisławski i gliwicki. Charakteryzuje się stosunkowo niskim poziomem wartości środków trwałych w przedsiębiorstwach na 1 mieszkańca oraz niższym poziomem PKB na mieszkańca na tle reszty omawia-nych powiatów.

Grupa 2 – powiat bieruńsko-lędziński, miko-łowski oraz pszczyński. Charakteryzuje

się dość niskim poziomem bezrobo-cia, niską medianą wieku mieszkańców oraz wysokim poziomem zatrudnienia w górnictwie.

Grupa 3 – powiat turecki, łęczyński oraz beł-chatowski. W dwóch powiatach wydobywa się węgiel brunatny, a w jednym węgiel ka-mienny. Regiony charakteryzują się stosun-kowo niską medianą wieku mieszkańców, wysokim odsetkiem osób pracujących w rolnictwie i umiarkowanym poziomem skolaryzacji.

Grupa 4 – Gliwice, Jaworzno i Katowice. Mia-sta te wyróżniają się stosunkowo niskim

27

Ocena sytuacji powiatów na podstawie Wskaźnika Wrażliwości Regionów Górniczych

bezrobociem, podobnie umiarkowanym saldem migracji i poziomem płac oraz nie-wielkim lub umiarkowanym udziałem zatrud-nionych w kopalniach w ogóle zatrudzatrud-nionych.

Ponadto analiza klastrowa wykazała 2 po-wiaty (Jastrzębie-Zdrój oraz Konin), które nie pasują do żadnych z wyżej wymienionych grup, różniąc się też znacząco między sobą.

↘ Wykres 6. Analiza klastrowa dla rozszerzonego zestawu danych

Powiat będziński Powiat pabianicki Powiat tarnogórski Powiat chrzanowski Powiat lubański Powiat olkuski Powiat oświęcimski Powiat m. Piekary Śląskie Powiat m. Sosnowiec Powiat m. Rybnik Powiat zgorzelecki Powiat m. Chorzów Powiat m. Siemianowice Śląskie Powiat świdnicki Powiat m. Jaworzno Powiat raciborski Powiat bolesławiecki Powiat m. Żory Powiat bieruńsko−lędziński Powiat mikołowski Powiat pszczyński Powiat gliwicki Powiat m. Mysłowice Powiat wodzisławski Powiat rybnicki Powiat m. Bytom Powiat m. Zabrze Powiat m. Ruda Śląska Powiat m. Świętochłowice Powiat m. Jastrzębie−Zdrój Powiat bielski Powiat bełchatowski Powiat łęczyński Powiat m. Dąbrowa Górnicza Powiat m. Gliwice Powiat m. Tychy Powiat m. Katowice Powiat m. Konin Powiat wadowicki Powiat cieszyński Powiat łaski Powiat kaliski Powiat piotrkowski Powiat kolski Powiat turecki Powiat pajęczański Powiat sieradzki Powiat wieluński Powiat radomszczański Powiat poddębicki Powiat krakowski Powiat lubelski Powiat koniński Powiat lubartowski Powiat parczewski Powiat włodawski Powiat chełmski

0 5 10 15

Dendrogram Agnes metodą Warda

Wysokość

Źródło: opracowanie własne PIE.

W wyniku analizy klastrowej – podobnie jak w poprzednim przypadku – użyto algorytmu AGNES i metody Warda, na zestawie danych roz-szerzonych o powiaty sąsiadujące można wyróż-nić 3 grupy:

Grupa 1 – powiaty: będziński, pabianic-ki, tarnogórspabianic-ki, chrzanowspabianic-ki, lubańspabianic-ki, olkuspabianic-ki, oświęcimski, świdnicki, raciborski, bolesławiec-ki, bieruńsko-lędzińsbolesławiec-ki, mikołowsbolesławiec-ki, pszczyńsbolesławiec-ki, gliwicki, wodzisławski, rybnicki oraz miasta: Pie-kary Śląskie, Sosnowiec, Rybnik, Chorzów, Sie-mianowice Śląskie, Jaworzno, Żory, Mysłowice, Bytom, Zabrze, Ruda Śląska, Świętochłowice i Jastrzębie-Zdrój. Do ich cech wspólnych na-leży m.in. niska lub umiarkowana na tle innych

powiatów stopa bezrobocia, niska wartość brut-to środków trwałych w przedsiębiorstwach na 1 mieszkańca oraz przeciętny na tle reszty po-wiatów górniczych poziom skolaryzacji.

Grupa 2 – powiaty: bielski, bełchatowski, łęczyński oraz miasta Dąbrowa Górnicza, Gliwi-ce, Tychy, Katowice i Konin. Na tle reszty anali-zowanych powiatów te jednostki administracyj-ne charakteryzują się stosunkowo niską stopą bezrobocia oraz niskim lub ujemnym saldem migracji a także niskim lub zerowym wpływem zwolnień w kopalniach w latach ubiegłych.

Grupa 3 – powiaty: wadowicki, cieszyński, łaski, kaliski, piotrkowski, kolski, turecki, paję-czański, sieradzki, wieluński, radomszpaję-czański,

28

lubar-towski, parczewski, włodawski, chełmski. Są to w większości powiaty nienależące aglomeracji śląskiej. Większość z nich charakteryzuje się

wyższym niż reszta analizowanych zatrudnie-niem w rolnictwie, stosunkowo niskimi wyna-grodzeniami i niższym poziomem zatrudnienia w górnictwie.

29