Ostatnim etapem analiz było porównanie uzyskanych wyników otrzymanych
8
odmiennymi algorytmami porządkowania obiektów z różnymi metodami
9
normalizacji cech diagnostycznych.
10
W tabelach 7 i 8 zestawiono wartości współczynnika korelacji rang
11
Spearmana wyznaczone dla rankingów SMR i BZW dla lat 2010 i 2014.
12 13 14
3, 32 SK – standaryzacja klasyczna; SW – standaryzacja Webera; U – unitaryzacja.
Tabela 7. Zbieżność rankingów SMR i BZW.
1
Wyniki współczynnika korelacji rang dla 2010 roku
2
Rok 2010 BZW
SK SW U
SMR
SK 0,982 0,959 0,974
SW 0,897 0,909 0,882
U 0,982 0,953 0,979
Źródło: obliczenia własne
3
Tabela 8. Zbieżność rankingów SMR i BZW.
4
Wyniki współczynnika korelacji rang dla 2014 roku
5
Rok 2010 BZW
SK SW U
SMR
SK 0,956 0,959 0,959
SW 0,941 0,959 0,935
U 0,938 0,935 0,941
Źródło: obliczenia własne
6
Uzyskane wartości współczynników korelacji świadczą o tym, iż
7
najwyższym stopniem skorelowania w 2010 wyróżniały się rankingi SMR i BZW
8
konstruowane w oparciu o standaryzację klasyczną i unitaryzację (0,974-0,982).
9
Nieco niższe rezultaty na poziomie 0,882-0,959 otrzymano dla klasyfikacji SMR
10
i BZW budowanych przy użyciu standaryzacji Webera. Można to tłumaczyć
11
wystąpieniem w rozkładach zmiennych X2 i X6 wartości odstających oraz silnej
12
asymetrii, co wpłynęło na końcową hierarchię województw. W 2014 roku
13
zbieżność klasyfikacji regionów zbudowanych miernikami SMR i BZW była
14
bardzo silna w przypadku wszystkich użytych formuł normalizacji zmiennych.
15
W roku 2010 na pierwszych miejscach uplasowały się województwa: Małopolskie,
16
Śląskie, Wielkopolskie oraz Mazowieckie. Najniższy poziom rozwoju
społeczno-17
gospodarczego zdiagnozowano dla województwa Kujawsko-Pomorskiego.
18
Po czterech latach obserwacji zauważono niewielkie różnice w klasyfikacji
19
regionów. W czołówce nadal pozostały te same województwa, jednak znacząco
20
spadła pozycja Podlasia.
21
PODSUMOWANIE 22
Z przeprowadzonego badania wynika, iż korzystanie z różnych metod
23
normalizacji cech diagnostycznych może skutkować otrzymaniem alternatywnej
24
klasyfikacji województw, która nie wynika ze zmiany struktury danych.
25
Modyfikacja algorytmów rankingów na etapie doprowadzania zmiennych do ich
26
wzajemnej porównywalności może przyczyniać się do różnic w uporządkowaniu
27
województw w danym roku, co nie jest powiązane ze zmianą poziomu rozwoju
28
regionu. Ponadto subiektywizm w konstrukcji taksonomicznych mierników
29
syntetycznych rzutuje na hierarchię województw w rankingach. W literaturze
wniosków. Uwzględnienie opinii ekspertów wraz ze szczegółową analizą zjawiska
4
wielocechowego jakim jest rozwój społeczno-gospodarczy może gwarantować
5
prawidłowe uporządkowanie badanych obiektów.
6
BIBLIOGRAFIA 7
Bartosiewicz S. (1976) Propozycja metody tworzenia zmiennych syntetycznych.
8
Prace Akademii Ekonomicznej we Wrocławiu, 84, 5-7.
9
Cieślak M. (1974) Taksonomiczna procedura prognozowania rozwoju gospodarczego
10
i określenia potrzeb na kadry kwalifikowane. Przegląd Statystyczny, 21(1), 29-39.
11
Chrzanowska M., Drejerska N. (2016) Ocena poziomu rozwoju społeczno - gospodarczego
12
gmin województwa mazowieckiego z wykorzystaniem metod analizy
wielowy-13
miarowej. Wiadomości Statystyczne, 6, 59-69.
14
Gatnar E., Walesiak M. (red.) (2004) Metody statystycznej analizy wielowymiarowej
15
w badaniach marketingowych. Wydawnictwo Akademii Ekonomicznej im. O. Langego,
16
Wrocław.
17
Hellwig Z. (1968) Zastosowanie metody taksonomicznej do typologicznego podziału
18
krajów ze względu na poziom rozwoju oraz zasoby i strukturę wykwalifikowanych
19
kadr. Przegląd Statystyczny, 15(4), 307-326.
20
Kisielińska J. (2017) Ranking województw ze względu na potencjał rolnictwa. Roczniki
21
Naukowe Ekonomii Rolnictwa i Rozwoju Obszarów Wiejskich, 104(1), 56-71.
22
Kudełko J. (2013) Uwarunkowania i kierunki rozwoju województw Polski Wschodniej jako
23
regionów słabo rozwiniętych. Studia Komitetu Przestrzennego Zagospodarowania Kraju
24
PAN, 151, Warszawa, KPZK PAN.
25
Kukuła K. (1986) Propozycja miary zgodności układów porządkowych. Zeszyty Naukowe
26
AE, Kraków.
27
Kukuła K. (2000) Metoda unitaryzacji zerowanej, PWN, Warszawa.
28
Kukuła K. (2012) Propozycja budowy rankingu obiektów z wykorzystaniem cech
29
ilościowych oraz jakościowych [w:] Metody Ilościowe w Badaniach Ekonomicznych,
30
XIII/1, 5-16.
31
Kukuła K. (2014) Budowa rankingu województw ze względu na wyposażenie techniczne
32
rolnictwa w Polsce. Wiadomości Statystyczne, 7, 62-76.
33
Kukuła K., Luty L. (2015) Propozycja procedury wspomagającej wybór metody
34
porządkowania liniowego. Przegląd Statystyczny, 62 (2), 219-231.
35
Kurkiewicz J., Pociecha J., Zając K. (1991) Metody wielowymiarowej analizy
36
porównawczej w badaniach rozwoju demograficznego. Szkoła Główna Handlowa,
37
Instytut Statystyki i Demografii, Monografie i Opracowania, 336, Warszawa.
38
Malina A., Zeliaś A. (1997) O budowie taksonomicznej miary jakości życia. Syntetyczna
39
miara rozwoju jest narzędziem statystycznej analizy porównawczej. Taksonomia,
40
4, 238-262.
41
Mazur A., Witkowska D. (2006) Zastosowanie wybranych mierników taksonomicznych
1
do oceny nieruchomości. Zeszyty Naukowe SGGW–Ekonomika i Org. Gosp.
2
Żywnościowej, 60, 251-258.
3
Sen A. K. (2002) Rozwój i wolność. Zysk i s-ka, Poznań.
4
Stec M. (2011) Uwarunkowania rozwojowe województw w Polsce – analiza
statystyczno-5
ekonometryczna. Nierówności Społeczne a Wzrost Gospodarczy, 20, 232-251.
6
Strahl D. (1978) Propozycja konstrukcji miary syntetycznej. Przegląd Statystyczny,
7
25 (2), 205-215.
8
Strahl D. (red.) (2006) Metody oceny rozwoju regionalnego. Wydawnictwo Akademii
9
Ekonomicznej we Wrocławiu.
10
Szewczuk A. (2011) Rozwój lokalny i regionalny-główne determinanty. [w:] Szewczuk A.,
11
Kogut Jaworska M., Zioło M., Rozwój lokalny i regionalny. Teoria i praktyka.
12
Wydawnictwo CH Beck, Warszawa.
13
Szymla Z. (2000) Determinanty rozwoju regionalnego. Wydawnictwo Zakład Narodowy
14
im. Ossolińskich, Wrocław–Warszawa–Kraków.
15
Szymla Z. (2005) Podstawy badań rozwoju regionalnego. Zeszyty Naukowe Wyższej
16
Szkoły Ekonomicznej w Bochni, 3, 101-111.
17
Walesiak M. (2003) Uogólniona miara odległości GDM jako syntetyczny miernik rozwoju
18
w metodach porządkowania liniowego. Prace Naukowe Akademii Ekonomicznej
19
we Wrocławiu, Taksonomia, 10, 988, 134-144.
20
Walesiak M. (2014) Przegląd formuł normalizacji wartości zmiennych oraz ich własności
21
w statystycznej analizie wielowymiarowej. Przegląd Statystyczny, 61, 4, 363-372.
22
Zielińska-Sitkiewicz M. (2017) Classification of Selected Food Industry Companies Listed
23
on the Warsaw Stock Exchange - the Impact of Normalization Procedures. Economic
24
Science for Rural Development Conference Proceedings, 46, 359-366.
25
CLASSIFICATION METHODS IN COMPARATIVE ANALYSIS
26
OF THE SOCIO-ECONOMIC DEVELOPMENT OF POLISH
27
VOIVODESHIPS IN 2010 AND 2014 – THE IMPACT OF DATA
28
NORMALIZATION PROCEDURES ON RESULTS OF RANKING
29
compare the socio-economic development level of Polish voivodeships
34
in 2010 and 2014. In the process of multidimensional comparative analysis
35
the formulas of the classical standardization, Weber standardization
36
and unitarisation were used.
37
Keywords: ranking, data normalization, synthetic taxonomic measures,
38
SMR, BZW, socio-economic development
39
DOI: 10.22630/MIBE.2017.18.4.60
METODY ANALIZY TRWANIA W IDENTYFIKACJI
1
DETERMINANT RYZYKA
2
WYKREŚLENIA Z REJESTRU BEZROBOTNYCH
3
Iwona Markowicz (ORCID: 0000-0003-1119-0789)
4
Beata Bieszk-Stolorz (ORCID: 0000-0001-8086-9037)
5
Wydział Nauk Ekonomicznych i Zarządzania
6
Uniwersytet Szczeciński
7
e-mail: iwona.markowicz@wneiz.pl, beatus@wneiz.pl
8
Streszczenie: Rejestr bezrobotnych może stanowić bazę danych do badania
9
sytuacji na regionalnym rynku pracy. Ważne są w tym przypadku zarówno
10
przyczyna bezrobocia, jak i powód wyrejestrowania. Osoby, które nie
11
zgłosiły się w urzędzie w wyznaczonym terminie lub nie przyjęły propozycji
12
pracy stanowią dużą grupę wśród zarejestrowanych. Stąd podjęto próbę
13
identyfikacji cech wpływających na ryzyko wykreślenia z rejestru. Celem
14
artykułu jest ocena ryzyka wykreślenia z rejestru i identyfikacja jego
15
determinant. Analizie poddano czas pozostawania w rejestrze bezrobotnych,
16
stąd wykorzystano metody analizy trwania.
17
Słowa kluczowe: model regresji Coxa, tablice trwania, funkcja hazardu,
18
bezrobocie
19
WSTĘP 20
Wśród osób rejestrujących się w Powiatowych Urzędach Pracy są osoby
21
rzeczywiście poszukujące tej pracy i potrzebujące pomocy w jej znalezieniu, ale są i takie
22
osoby, które z tej pomocy korzystać nie chcą. Zarejestrowani, którzy nie wyrażą zgody na
23
określenie profilu pomocy, odmówią bez uzasadnionej przyczyny przyjęcia propozycji
24
odpowiedniej pracy lub innej formy pomocy ze strony PUP, poddania się badaniom
25
lekarskim lub psychologicznym, mającym na celu ustalenie zdolności do pracy, odmówią
26
bez uzasadnionej przyczyny udziału w działaniach
27
w ramach Programu Aktywizacja i Integracja, realizowanych przez PUP, nie stawią się w
28
urzędzie w wyznaczonym terminie, z własnej winy przerwą staż, szkolenie, wykonywanie
29
prac społecznie użytecznych, realizację indywidualnego planu działania lub inną formę
30
pomocy, z własnej winy przerwą program przygotowania zawodowego dorosłych są z