Rolainformatykiwnaukach
ekonomicznychispoųecznych
Innowacjeiimplikacjeinterdyscyplinarne
The Role of Informatics in Economic and Social Sciences
Innovations and Interdisciplinary Implications
redakcja
ZBIGNIEWE.ZIELIFSKI
TOM2
Wydawnictwo
WyǏszejSzkoųyHandlowej
Kielce2013
PublikacjawydrukowanazostaųazgodniezmateriaųemdostarczonymprzezAutorów.Wydawcanieponosi
odpowiedzialnoƑcizatreƑđ,formħistylartykuųów.
KomitetNaukowy
prof.drhab.JanuszLewandowski
prof.zw.drhab.KrzysztofGrysa
drhab.WiesųawDziubdziela,prof.WSH
RedaktorNaczelny
prof.zw.drhab.TadeuszGrabiŷski
RedaktorRecenzji
prof.zw.drhab.KrzysztofGrysa
Recenzenci
prof.zw.drhab.TadeuszGrabiŷski
prof.drhab.AgnieszkaBaruk
prof.drhab.MieczysųawMuraszkiewicz
prof.drhab.WiesųawDziubdziela
prof.nadzw.drhab.EwaGrzegorzewskaͲRamocka
prof.nadzw.drhab.inǏ.WacųawGierulski
drhab.GrzegorzKoŷczak,prof.UE
drhab.ZbigniewOsiŷski,prof.UMCSwLublinie
drinǏ.ZbigniewLis
drinǏ.EdwardWiszniowski
drMaųgorzataPaszkowska
drDanutaMokrosiŷska
drDariuszak
drJanuszMyszczyszyn
drMarekMaųolepszy
drTomaszKonopka
drGrzegorzWilkͲJakubowski
drWojciechPokojski
drKrzysztofCzubocha
Redakcja
drZbigniewE.Zieliŷski
mgrKatarzynaBaziuk
mgrTatianaKonopka
mgrinǏ.ArturJanus
mgrinǏ.JarosųawKoƑcielecki
mgrKatarzynaPakaszewska
mgrPiotrSidor
Wydawcapublikacji
WyǏszaSzkoųaHandlowaim.B.MarkowskiegowKielcach
Projekt„PITWIN–PortalInnowacyjnegoTransferuWiedzywNauce”
ul.Peryferyjna15
25Ͳ562Kielce
www.pitwin.edu.pl,biuro@pitwin.edu.pl
©CopyrightbyWyǏszaSzkoųaHandlowa,Kielce2013
ISBN978Ͳ83Ͳ89274Ͳ85Ͳ4
Nakųad200egz.
Publikacja zostaųa wydana w ramach realizacji projektu „PITWIN – Portal Innowacyjnego Transferu Wiedzy
wNauce”.
Publikacja jest wspóųfinansowana przez Uniħ EuropejskČ w ramach Europejskiego Funduszu Spoųecznego.
Publikacja jest dystrybuowana bezpųatnie, dla osób które zarejestrujČ siħ na stronie internetowej projektu
www.pitwin.edu.pl(dostħpnatakǏewwersjielektronicznej).
SpistreƑci...3
VI.ANALIZYILO_CIOWEWNAUKACHEKONOMICZNYCHISPOBECZNYCH 1. MagdalenaNiewczasͲInternetjakoǍródųowiedzykonsumentów oǏywnoƑciisamoocenapoziomuwiedzy...7
2. JoannaNuciŷskaͲAnalizastabilnoƑcipublicznegofinansowaniaoƑwiaty wPolscewlatach2004Ͳ2011...15
3. MichalinaSzczepaŷskaͲITwwybranychmodelachdiagnozykapitaųuintelektualnego...24
4. MarcinStanisųawNieduǏakͲPrawdopodobieŷstwozawarciatransakcji napodstawiedostħpudoprywatnejinformacji–analizaempiryczna napodstawiemodeluEKOPdlacenakcjiKGHMPolskaMiedǍSpóųkaAkcyjna...32
5. MichaųBernardelliͲKryteriaoptymalizacyjnewprocedurzewykorzystujČcej ukrytemodeleMarkowadoanalizdanychekonomicznych...43
6. KarolinaKlimaŷskaͲBadekologicznywPolscewujħciuprzestrzennoͲczasowym...54
7. BartoszWitkowskiͲOdpornoƑđwprzestrzennychmodelachkonwergencji dladanychpanelowych...65
8. MateuszDroǏdǏͲPróbaweryfikacjiskutecznoƑcifunkcjidyskryminacyjnych wwarunkachpolskiejgospodarki...76
9. DagmaraMycielskaͲWybórsystemukursuwalutowegoawzrost gospodarczy:analizaprzyzastosowaniumodeluczasutrwania...90
10. GrzegorzKoŷczakͲOpewnejkonstrukcjiprzedziaųówufnoƑci zwykorzystaniemjČdrowejestymacjifunkcjigħstoƑci...100
11. MariuszPróchniakͲInstytucjeawzrostgospodarczy:ekonometryczna analizaprzyczynowoƑciwujħciuGrangera...111
12. MariaRybaczewskaͲPublicrelationseffortsandpurchaseintentionsofthe finalbuyerupontheexampleofthetelecommunicationsector...120
13. BukaszGoczekͲSkutkiregulacjidlainwestycjiwbadaniairozwójnapoziomie makroekonomicznym...133
14. DorotaPekasiewiczͲWybranemetodywnioskowaniastatystycznego oparametrachuogólnionegorozkųaduPareto...143
15. KrzysztofBraƑͲCzyglobalizacjajestkorzystnadlarozwojugospodarczego pomimojejwpųywunapolaryzacjħdochodów?...151
16. AngelinaRajdaͲWpųywliczbypomiarównawynikprocesuwalidacji...159
17. AdamKiersztynͲMetodaMonteCarloͲujħcierozmyte...170
18. WitoldRzymowski,AgnieszkaSurowiecͲTwoͲassetportfolio...183
19. MichaųMiųekͲWyznaczanieprognozprzedziaųowychzwykorzystaniem metodyMovingBlockBootstrap...193
20. SebastianChmielewskiͲRozwójprzedsiħbiorczoƑciwPolsceWschodniej...206
21. PrzemysųawKowalikͲMetodawskaǍnikówpojemnoƑciinformacyjnej Hellwigajakozadanienieliniowegoprogramowaniabinarnego...215
22. PrzemysųawJaƑkoͲPrzeglČdwybranychindeksównaukometrycznych–formalnedefinicje, podstawowewųasnoƑciorazzwiČzki...225
23. AnnaSzymaŷska,MartaMaųeckaͲZastosowaniemetodytrapezów wocenieefektywnoƑcitaryfikacyjnejsystemówbonusͲmalus ubezpieczeŷkomunikacyjnychOC...243
24. DominikaPolkoͲOwielowymiarowejoceniepodobieŷstwastruktur...252
25. AleksandraBaszczyŷskaͲUwagiomiarachpodobieŷstwawjČdrowych testachzgodnoƑci...261
26. MaųgorzataBochenekͲMoǏliwoƑcifinansowaniarozwojuinfrastruktury lokalnejgminwwarunkachkryzysusektorafinansówpublicznych...268
27. MaųgorzataKrotowskaͲRentownoƑđrolniczychspóųdzielniprodukcyjnych naprzykųadziewojewództwaopolskiego...281
28. BukaszGoczek,JerzyMycielskiͲModelowaniestópprocentowychwPolsceͲtesty
istnieniapierwiastkajednostkowegozestrukturalnymzaųamaniem...286
29. MateuszFolwarski,WeronikaGrandysͲKsztaųtowaniepoziomuistruktury
wynagrodzeŷkadrzarzČdzajČcychwbankachwwybranychkrajachnarynku
europejskimiwUSA...302
30. JanuszMorajdaͲRegresyjnemapyneuronowewmodelowaniu
zjawiskekonomicznych...313
VII.ANALIZYSPOBECZNOͲEKONOMICZNE
31. MirosųawZajdelͲPrzemianyzatrudnieniowewpolskiejgospodarce
(wybraneproblemy)...325
32. MariuszWasiakͲGospodarkaopartanawiedzywPolscewmyƑliteoretycznej,
polityceekonomicznejorazrecepcjigospodarczej...338
33. AnetaLipczyŷskaͲAspektyzalegųoƑcipodatkowych...348
34. DorotaPrzyborowskaͲWspóųpracapolskichprzedsiħbiorstw
zaawansowanychtechnologiizzagranicČ...359
35. MartynaOstrowskaͲSytuacjamateknapolskimrynkupracy...368
36. MaųgorzatawiekͲZagadnieniejakoƑcipracywprzedsiħbiorstwieusųugowym
naprzykųadzieCapgeminiPolskasp.zo.o....377
37. KamilOlawa,MaųgorzataOlawaͲWykorzystanieprogramuRTMCdo
monitorowaniaelementówinfrastrukturysieciwodociČgowoͲkanalizacyjnej...386
38. DariuszGrzegorzakͲOchronatopografiiukųadówscalonych...393
39. BogusųawKurysiaͲPowstanieirozwójspoųecznejgospodarkirynkowejwNiemczech...402
40. JustynaKarkoszkaͲInstrumentypodatkowewspierajČcedziaųalnoƑđ
innowacyjnČ–rozwiČzaniapolskienatlewybranychpaŷstw...411
41. MaciejJagódkaͲPodatekliniowy–równoƑđczyniesprawiedliwoƑđspoųeczna...419
42. KrzysztofKocurekͲWybraneklasyczneteorierozwojuregionalnego
iichznaczeniewewspóųczesnymƑwiecie...428
43. KrzysztofKil,MilenaUrbanͲFolwarskaͲWpųywkryzysufinansowego
2007Ͳ2009nasektorbankowynarynkuglobalnym...437
44. RafaųGuzowskiͲCyfryzacjatelewizjinaziemnejwPolscejakoelementaktywnej
politykimedialnejwybranychgrupspoųecznychipolitycznych...452
PrzemysųawKowalik
215
PrzemysųawKowalik
MetodawskaǍnikówpojemnoƑciinformacyjnejHellwigajakozadanie
nieliniowegoprogramowaniabinarnego
Streszczenie: Wybór zmiennych objaƑniajČcych do modelu ekonometrycznego przy pomocy
metody wskaǍników pojemnoƑci informacyjnej Hellwiga oparty jest o maksymalizacjħ tzw.
integralnego wskaǍnika pojemnoƑci informacyjnej po wszystkich moǏliwych kombinacjach
potencjalnychzmiennychobjaƑniajČcych.Pozastosowaniuprostychprzeksztaųceŷstandardowych
formuų, zagadnienie wyboru zmiennych moǏe byđ zapisane jako zadanie nieliniowego programoͲ wania binarnego. Przeprowadzono testy pokazujČce, Ǐe oprogramowanie optymalizacyjne takie
jakdodatkiSolverwMicrosoftExcelorazLibreOfficeCalcdokonujeͲpoprzezrozwiČzaniezadania
nieliniowegoprogramowaniabinarnegoͲwyboruzmiennychobjaƑniajČcychpoprawnegowsensie
zgodnoƑcizmetodČHellwiga.
Sųowa kluczowe: model ekonometryczny, zmienne objaƑniajČce, zmienna objaƑniana, metoda
Hellwiga,programowanienieliniowe,programowaniebinarne.
1.Wprowadzenie–definicjaorazkwestiezųoǏonoƑciobliczeniowej
MetodawskaǍnikówpojemnoƑciinformacyjnej(metodaoptymalnegowyborupredyktant,
metodaHellwiga)jestjednČzmetodwyboruzmiennychobjaƑniajČcychdomodeluekonometryͲ cznego.Jesttojednazmetodwyborudomodelutychzmiennych,któresČsilnieskorelowaneze
zmiennČobjaƑnianČ,asųabopomiħdzysobČ1.Wybórtenjestdokonywanysiħpoprzezznalezienie
maksimum tak zwanych integralnych wskaǍników pojemnoƑci informacyjnej, obliczanych dla
kaǏdejzL 2 k 1kombinacjik potencjalnychzmiennychobjaƑniajČcych(kombinacja„zerowa”,
czyliodrzuceniewszystkichzmiennychobjaƑniajČcychniejestbranapoduwagħ).Dokųadniej,dla
kaǏdej kombinacji potencjalnych zmiennych objaƑniajČcych oblicza siħ indywidualne wskaǍniki
pojemnoƑci informacyjnej oraz bħdČcy ich sumČ wskaǍnik integralny. UǏyte bħdČ nastħpujČce
oznaczenia:2
l–numerkombinacji(l 1,2,...,L);
k –liczbazmiennychwl l–tejkombinacji;
j –numerzmiennejwdanejkombinacji(j 1,2,...,kl);
r –wspóųczynnikkorelacjij jͲtejzmiennejobjaƑniajČcejzezmiennČobjaƑnianČ;
r –wspóųczynnikikorelacjiij jͲtejzmiennejzpozostaųymizmiennymiobjaƑniajČcymiwchodzČcymi
wskųadkombinacjii 1,2,...,kl,izj;
2
R –wektorpodniesionychdokwadratuwspóųczynnikówkorelacjizmiennychobjaƑniajČcychzeY
zmiennČobjaƑnianČ;
R –macierzwartoƑcibezwzglħdnychwspóųczynnikówkorelacjizmiennychobjaƑniajČcych.A
1Hellwig,Z.,OntheOptimalChoiceofPredictors,[w:]StudyVI,TowardaSystemofQuantitativeIndicatorsof
ComponentsofHumanResourcesDevelopment,UNESCO,Paris1968.
HellwigZ.,Problemoptymalnegowyborupredykant,PrzeglČdStatystyczny,3Ͳ4,1969.
2 Oznaczenia oraz wzory uǏyte w pracy sČ zaczerpniħte (z niewielkimi zmianami) z: Nowak E., Zarys metod
ekonometrii.Zbiórzadaŷ,WydawnictwoNaukowePWN,Warszawa1994,s.23.
MetodawskaǍnikówpojemnoƑciinformacyjnejHellwigajakozadanienieliniowegoprogramowaniabinarnego
216
Indywidualny wskaǍnik pojemnoƑci informacyjnej j Ͳtej zmiennej (j 1,2,...,kl) wlͲtej
kombinacjihljzdefiniowanyjestnastħpujČco
. 1
, 1 2
¦
zkl
j i i
ij j lj
r
h r
Integralny wskaǍnik pojemnoƑci informacyjnej dla kombinacjilͲtej jest sumČ zdefiniowaͲ nychpowyǏejindywidualnychwskaǍnikówpojemnoƑciinformacyjnejdlatejǏekombinacji:
¦ ¦
¦
z
l l
l k
j k l
j i
i ij
k j j lj
l j k
r h r
h
1 , 1 2 1
,..., 2 , 1 , 1
Indywidualne oraz integralne wskaǍniki pojemnoƑci informacyjnej sČ unormowane tzn.
przyjmujČ wartoƑci z przedziaųu [0,1]. Jak widađ bezpoƑrednio z definicji, wskaǍniki pojemnoƑci
informacyjnej sČ tym wiħksze, im zmienne objaƑniajČce sČ silniej skorelowane ze zmiennČ
objaƑnianČ oraz im sųabiej sČ skorelowane pomiħdzy sobČ. Do modelu ekonometrycznego
wybierana jest kombinacja zmiennych objaƑniajČcych, której odpowiada maksymalna wartoƑđ
integralnegowskaǍnikapojemnoƑciinformacyjnej.
NiezaleǏnie od wszelkich powodów natury statystycznej, dla których metoda Hellwiga
moǏebyđkrytykowana,maonajednČistotnČwadħocharakterze„technicznym”,mianowiciejej
zųoǏonoƑđ obliczeniowa roƑnie wykųadniczo wraz z k Ͳ liczbČ potencjalnych zmiennych
objaƑniajČcych.NaskutekpowyǏszegofaktu,wceluznalezienianajlepszejkombinacjizmiennych
objaƑniajČcych w akceptowalnym czasie, konieczne jest uǏycie komputera wraz ze stosownym
oprogramowaniem. Literalne przenoszenie podanych wyǏej wzorów na indywidualne wskaǍniki
pojemnoƑciinformacyjnejdoprogramówkomputerowychmoǏebyđjednakkųopotliwezewzglħdu
na ich „niejednorodnČ” postađ wynikajČcČ z sumowania o indeksach zaleǏnych od kombinacji.
RozwiČzaniem problemu „niejednorodnoƑci” wzorów jest ich przeksztaųcenie poprzez wųČczenie
donichparametrówopisujČcychkombinacje(zerijedynek).Okazujesiħ,Ǐetakieprzeksztaųcenia
nietylkoupraszczajČobliczeniazwiČzanezmetodČHellwiga(zwųaszczaprzykorzystaniuzarkuszy
kalkulacyjnych),aletakǏepozwalajČsformuųowađproblemwyboruzmiennychobjaƑniajČcychjako
zadanienieliniowegoprogramowaniabinarnego.
2. Przeksztaųcenie wzorów sųuǏČcych do obliczania indywidualnych wskaǍników
pojemnoƑciinformacyjnej
WpoprzednimrozdzialejakojednazprzyczynutrudniajČcychstosowaniemetodyHellwiga
zostaųa wymieniona „niejednorodna” postađ wzorów na indywidualne wskaǍniki pojemnoƑci
informacyjnejwynikajČcazwystħpowaniawmianownikachsumowaniapoindeksachzaleǏnychod
kombinacji(dokųadniej,tylkopoindeksachbħdČcychnumeramizmiennychwystħpujČcychwdanej
kombinacji). Wzory te mogČ byđ jednak ųatwo przeksztaųcone do postaci z „jednorodnym”
sumowaniem tzn. indeksowanym wszystkimi numerami poszczególnych zmiennych
objaƑniajČcych.Przeksztaųcenietowymagajawnegoodwoųaniadotzw.macierzykombinacjiczyli
zerojedynkowej macierzy opisujČcej wybór poszczególnych zmiennych. W tym celu naleǏy
wprowadziđdodatkoweoznaczenia:
C Ͳ macierz o wymiarzek [L u , bħdČca zerojedynkowym opisem wszystkich moǏliwychk]
kombinacjiwyboruzmiennychobjaƑniajČcych;
c Ͳ elementy macierzyli C (liczba 1 w wierszu l Ͳtym macierzy na pozycji i oznacza wybórk zmiennejX ,aliczba0odrzucenietejǏezmiennej).i
PrzeksztaųconewzoryopisujČceindywidualnewskaǍnikipojemnoƑciinformacyjnejto
PrzemysųawKowalik
217
¦
zkl
j i
i ij
j lj
r h r
, 1 2
1 j 1,2,...,kl ,
1 2
¦
ki ij li
j lj lj
r c
r
h c j 1,2,...,k.
ZkoleiwskaǍnikiintegralnesČobliczanejakosumy
. ,..., 2 , 1 ,
1 1
2 1
k j
r c
r h c
h k
j k
i ij li
j k lj
j lj
l
¦
¦ ¦
(1)PoniǏejwymienionopodstawowezasady,naktórychopartejestprzeksztaųcenieformuų3.
Skųadnik „1” wystħpujČcy w definicji wskaǍnika w mianowniku w nowym zapisie zostaų
„zastČpiony” wspóųczynnikiem korelacji|r (dokųadniej jego wartoƑciČ bezwzglħdnČ, co jednakii| wtym przypadku oczywiƑcie nie czyni róǏnicy), co pozwoliųo na rezygnacjħ z zastrzeǏeniai z j wsumowaniu.
Indeksowanie sumy w mianowniku jedynie numerami zmiennymi wystħpujČcych wl Ͳtej
kombinacjizostaųozastČpioneprzezindeksowanienumeramiwszystkichzmiennych.Eliminowanie
wartoƑci bezwzglħdnych wspóųczynników korelacji „powiČzanych” ze zmiennymi niewystħpuͲ jČcymi w danej kombinacji odbywa siħ przez pomnoǏenie tychǏe wartoƑci bezwzglħdnych przez
wspóųczynnikimacierzykombinacjic owartoƑciachzerowych.li
OstatniČ cechČ przeksztaųcenia jest zmiana zakresu zmian indeksu j z j 1,2,...,kl na
k
j 1,2,..., .PoniewaǏindeksj potejzmianieoznaczarównieǏnumeryzmiennychobjaƑniajČcych
niewchodzČcychwskųaddanejkombinacji,zatemzmianazakresuindeksuoznaczaųabyobliczanie
równieǏ „fikcyjnych” wskaǍników indywidualnych tzn. niezgodnych z definicjČ. Aby uniknČđ
obliczaniatakich„fikcyjnych”wskaǍnikówindywidualnych,sČonezerowanepoprzezpomnoǏenie
liczników formuų przez wspóųczynniki macierzy kombinacji tzn.cljrj2. W zwiČzku z powyǏszym
faktem równieǏ obliczanie wskaǍników integralnych poprzez sumowanie po j 1,2,...,k wskaǍników indywidualnychobliczonychprzypomocyprzeksztaųconychformuųjestrównowaǏne
sumowaniupoj 1,2,...,klwskaǍnikówobliczonychbezpoƑredniozdefinicji.
PoniǏejznajdujesiħprzykųadobliczaniawskaǍników(dlak 3).MacierzkombinacjiC ma3 nastħpujČcČpostađ
3 Przeksztaųcenia formuų pochodzČ z: Kowalik P., On an implementation of the method of capacity of
information bearers (the Hellwig method) in spreadsheets, [w:] Probability in Action, Politechnika Lubelska
2013 [wdruku]. We wczeƑniejszych pracach autora dotyczČcych rozwaǏanej tematyki: Kowalik P,
ImplementacjametodywskaǍnikówpojemnoƑciinformacyjnej(metodyHellwiga)warkuszachkalkulacyjnych,
[w:]Rolainformatykiwnaukachekonomicznychispoųecznych.Innowacjeiimplikacjeinterdyscyplinarne,Tom
2, Wydawnictwo WyǏszej Szkoųy Handlowej, Kielce 2011, str.186Ͳ194; Kowalik P., Wykorzystanie arkuszy
kalkulacyjnych do wyboru zmiennych objaƑniajČcych przy pomocy metody wskaǍników pojemnoƑci
informacyjnej (metody Hellwiga), [w:] Rola informatyki w naukach ekonomicznych i spoųecznych. Innowacje
iimplikacje interdyscyplinarne, Tom 2/2012, Wydawnictwo WyǏszej Szkoųy Handlowej, Kielce 2012, str. 168Ͳ 178 formuųy na wskaǍniki integralne byųy podawane jako równowaǏne sumy iloczynów zmodyfikowanych
wskaǍnikówindywidualnychorazwspóųczynnikówkombinacji.
MetodawskaǍnikówpojemnoƑciinformacyjnejHellwigajakozadanienieliniowegoprogramowaniabinarnego
218
»»
»»
»»
»»
»
¼ º
««
««
««
««
«
¬ ª
1 1 1
0 1 1
1 0 1
0 0 1
1 1 0
0 1 0
1 0 0
C3
Nastħpnie podane sČ formuųy na indywidualne wskaǍniki pojemnoƑci informacyjnej (zapisane
wpostaci przeksztaųconej oraz, gdzie ma to zastosowanie, sprowadzone do postaci zgodnej
zdefinicjČ).Wspóųczynnikicij,i 1,2,...,7;j 1,2,3sČelementamimacierzykombinacjiC .3 Kombinacja1(l 1,c11 0,c12 0,c13 1)
1 0 0 0
0
31 21 11
2 1 31
13 21 12 11 11
2 1
11 11 r r r
r r
c r c r c
r h c
1 0 0 0
0
32 22 12
2 2 32
13 22 12 12 11
2 2 12
12 r r r
r r
c r c r c
r h c
2 3 2 3 33
2 3 33 23 13
2 3 33
13 23 12 13 11
2 3 13 13
1 1
0 0
1 r r
r r r r r
r r
c r c r c
r h c
Kombinacja2(l 2 ,c21 0,c22 1,c23 0)
0 0 1 0
0
31 21 11
2 1 31
23 21 22 11 21
2 1
21 21 r r r
r r
c r c r c
r h c
2 2 2 2 22
2 2 32 22 12
2 2 32
23 22 22 12 21
2 2 22
22 0 1 0 1
1 r r
r r r r r
r r
c r c r c
r h c
0 0 1 0
0
33 23 13
2 3 33
23 23 22 13 21
2 3 23
23 r r r
r r
c r c r c
r
h c
Kombinacja3(l 3,c31 0,c32 1,c33 1)
1 0 1 0
0
31 21 11
2 1 31
33 21 32 11 31
2 1 31
31 r r r
r r
c r c r c
r h c
32 2 2 32 22
2 2 32 22 12
2 2 32
33 22 32 12 31
2 2 32 32
1 1
1 0
1
r r r r
r r r r
r r
c r c r c
r h c
23 2 3 33 23
2 3 33 23 13
2 3 33
33 23 32 13 31
2 3 33
33 0 1 1 1
1
r r r r
r r r r
r r
c r c r c
r h c
Kombinacja4(l 4 ,c41 1,c42 0,c43 0)
2 1 2 1 11
2 1 31 21 11
2 1 31
43 21 42 11 41
2 1 41
41 1 0 0 1
1 r r
r r r r r
r r
c r c r c
r h c
0 0 0 1
0
32 22 12
2 2 32
43 22 42 12 41
2 2
42 42 r r r
r r
c r c r c
r h c
0 0 0 1
0
33 23 13
2 3 33
43 23 42 13 41
2 3 43
43 r r r
r r
c r c r c
r
h c
PrzemysųawKowalik
219
Kombinacja5(l 5,c51 1,c52 0,c53 1)
31 2 1 31 11
2 1 31 21 11
2 1 31
53 21 52 11 51
2 1 51 51
1 1
0 1
1
r r r r
r r r r
r r
c r c r c
r h c
1 0 0 1
0
32 22 12
2 2 32
53 22 52 12 51
2 2 52
52 r r r
r r
c r c r c
r h c
13 2 3 33 13
2 3 33 23 13
2 3 33
53 23 52 13 51
2 3 53 53
1 1
0 1
1
r r r r
r r r r
r r
c r c r c
r h c
Kombinacja6(l 6 ,c61 1,c62 1,c63 0)
21 2 1 21 11
2 1 31 21 11
2 1 31
63 21 62 11 61
2 1 61
61 1 1 0 1
1
r r r r
r r r r
r r
c r c r c
r h c
12 2 2 22 12
2 2 32 22 12
2 2 32
63 22 62 12 61
2 2 62
62 1 1 0 1
1
r r r r
r r r r
r r
c r c r c
r h c
0 0 1 1
0
33 23 13
2 3 33
63 23 62 13 61
2 3 63
63 r r r
r r
c r c r c
r
h c
Kombinacja7(l 7 ,c71 1,c72 1,c73 1)
31 21
2 1 31
21 11
2 1 31
21 11
2 1 31
73 21 72 11 71
2 1 71
71 1 1 1 1
1
r r
r r
r r
r r
r r
r r
c r c r c
r h c
32 12
2 2 32
22 12
2 2 32
22 12
2 2 32
73 22 72 12 71
2 2 72 72
1 1
1 1
1
r r
r r
r r
r r
r r
r r
c r c r c
r h c
23 13
2 3 33
23 13
2 3 33
23 13
2 3 33
73 23 72 13 71
2 3 73
73 1 1 1 1
1
r r
r r
r r
r r
r r
r r
c r c r c
r h c
3. Poszukiwanie maksimum integralnych wskaǍników pojemnoƑci informacyjnej jako
zadanienieliniowegoprogramowaniabinarnego
Zaprezentowany w poprzednim rozdziale wzór (1) pokazuje, iǏ poszukiwanie maksimum
integralnych wskaǍników pojemnoƑci informacyjnej w istocie polega na znalezieniu maksimum
jednej zl sum(l 1,2,...,L)k wyraǏeŷ wymiernych. Licznik kaǏdego z tych wyraǏeŷ zawiera
iloczynjednegozewspóųczynnikówkombinacjizerojedynkowejikwadratuwspóųczynnikakorelacji
zmiennej objaƑnianej z jednČ ze zmiennych objaƑniajČcych. Mianownik natomiast jest sumČ
iloczynówwszystkichwspóųczynnikówkombinacjizerojedynkowejorazjednejzkolumnmacierzy
wartoƑci bezwzglħdnych wspóųczynników korelacji par zmiennych objaƑniajČcych. CharakterystyͲ cznČ cechČ rozwaǏanych sum wyraǏeŷ wymiernych jest ich „jednorodna” postađ. Przykųadem
mogČ byđ formuųy na wskaǍniki integralne dla dowolnych kombinacji (w przykųadzie uǏyto
kombinacji2oraz7,k 3)
31 23 21 22 11 21
2 1 23 21
22 21
2 c r c r c r
r h c
h h h
32 23 22 22 12 21
2 2 22
r c r c r c
r c
21 13 22 23 23 33
2 3 23
r c r c r c
r c
31 73 21 72 11 71
2 1 71 73
72 71
7 c r c r c r
r h c
h h
h
72 21 73 31
11 71
2 1 72
r c r c r c
r
c .
33 73 23 72 13 71
2 3 73
r c r c r c
r c
Jak widađ, jedynČ róǏnicČ pomiħdzy powyǏszymi formuųami jest wystħpowanie róǏnych
parametrów kombinacji zerojedynkowych. Oznacza to, Ǐe szukanie maksimum sprowadza siħ do
podstawiania wspóųczynników kombinacji do sum wskaǍników indywidualnych (wspóųczynniki
korelacjiwewszystkichsumachsČjednakowe).ProstČkonsekwencjČtegofaktujestpotraktowaͲ niewspóųczynnikówkombinacjizerojedynkowychjakok zmiennychbinarnych.
MetodawskaǍnikówpojemnoƑciinformacyjnejHellwigajakozadanienieliniowegoprogramowaniabinarnego
220
Zadanie poszukiwania maksimum integralnych wskaǍników pojemnoƑci informacyjnej
moǏebyđzapisanejakonastħpujČcezadaniebinarnegoprogramowanianieliniowego
. ,..., 2 , 1 max
1 1
2
k j
r c
r c
k
j k
i j ij j
j o
¦ ¦
przyograniczeniach
1
1
¦
k ti
cj ͲniedozwolonajestkombinacjaniezawierajČcaǏadnejzmiennej;
c ͲbinarneͲ0/1–zmiennaj X niezostaųa/zostaųawybranadomodelu.j
PowyǏsze zadanie jest podobne do zadania programowania liniowoͲilorazowego (minimalizacja
lub maksymalizacja ilorazu dwóch funkcji liniowych przy ograniczeniach liniowych), które moǏna
sprowadziđdozadaniaprogramowanialiniowego4.Niestety,zadanierozwaǏanewniniejszejpracy
niemoǏebyđsprowadzonedozadaniaprogramowanialiniowego,poniewaǏfunkcjaceluniejest
pojedynczymilorazem,alesumČilorazówfunkcjiliniowychoróǏnychmianownikach.
4.Testmodelu
WyraǏenie problemu wyboru zmiennych objaƑniajČcych przy pomocy metody Hellwiga
jako zadania binarnego programowania nieliniowego jest motywowane przede wszystkim
moǏliwoƑciČ uǏycia do tego celu oprogramowania optymalizacyjnego. Oprogramowanie to
„przejmuje ciħǏar” sprawdzenia wartoƑci wskaǍników integralnych dla wszystkich moǏliwych
kombinacjizmiennychobjaƑniajČcych.OczywiƑcieotrzymaniepoprawnegorozwiČzaniazaleǏyod
poprawnoƑcidziaųaniategoǏoprogramowania.
TestyzostaųyprzeprowadzonewnastħpujČcycharkuszachkalkulacyjnych:MicrosoftExcel
2007 i 2010 (oprogramowanie komercyjne) oraz LibreOffice Calc 4.0.4 (oprogramowanie
darmowe) z wykorzystaniem ich moduųów optymalizacyjnych (w kaǏdym przypadku noszČcych
nazwħ Solver, chođ róǏniČcych siħ moǏliwoƑciami obliczeniowymi oraz interfejsem uǏytkownika).
Wybór tego wųaƑnie rodzaju oprogramowania dla potrzeb testów byų motywowany faktem, iǏ
warkuszach kalkulacyjnych moǏliwe jest ųatwe obliczenie wszystkich niezbħdnych parametrów
zadania (tzn. wspóųczynników korelacji) jak równieǏ znalezienie najlepszej kombinacji zmiennych
objaƑniajČcychpoprzezbezpoƑredniesprawdzeniewszystkichmoǏliwychkombinacji.Wprzypadku
Excela testy przeprowadzono na dwóch wyǏejwymienionych wersjach, poniewaǏ w Excelu 2010
dodatekoptymalizacyjnySolverzostaųwistotnysposóbzmienionywporównaniuzpoprzednimi
wersjami.DodatkioptymalizacyjnewdarmowycharkuszachGnumericorazIBMLotusSymphony
wedųugstanunaczerwiec2013nierozwiČzujČzadaŷbinarnegoprogramowanianieliniowego.
Poszukiwanie najlepszej kombinacji zmiennych objaƑniajČcych w sensie metody Hellwiga
przy pomocy binarnego programowania nieliniowego zostaųo zilustrowane przykųadem modelu
ekonometrycznegozrealnymidanymizawierajČcego5potencjalnychzmiennychobjaƑniajČcych.
Tabela1.Daneliczbowedlaprzykųadowegozadania
Y X1 X2 X3 X4 X5
4,696 13885 151,1 10485,5 216,5 0,4696
4,800 14456 160,3 10635,2 216,3 Ͳ0,48
5,349 15680 490,5 12335,8 220,2 0,5349
5,167 16776 193,7 11607,5 226,9 0,54784
6,972 13359 193,7 11968,8 239,1 0,6972
ródųo: Bajorek G., KierniaͲHnat M., Skrzypczak I., Aspekty Ƒrodowiskowe w technologii produkcji kruszyw
budowlanych,PraceInstytutuCeramikiiMateriaųówBudowlanych,RokV,Nr9,2012,str.7Ͳ19.
4HillierF.S.,LiebermanG.J.,IntroductiontoOperationsResearch,4thEdition,McGrawHill1986.
PrzemysųawKowalik
221
ModelmatematycznydlategozadaniawyglČdanastħpujČco.
5 4 3 2 1,c ,c,c,c
c Ͳ zmienne decyzyjne binarne oznaczajČce przynaleǏnoƑđ do kombinacji
(lubjejbrak)dlaodpowiedniejzmiennejobjaƑniajČcej
2 21 3 31 4 41 5 51
11 1
2 1 1
r c r c r c r c r c
r
c
2 22 3 32 4 42 5 52
12 1
2 1 2
r c r c r c r c r c
r c
2 23 3 33 4 43 5 53
13 1
2 1 3
r c r c r c r c r c
r
c
2 24 3 34 4 44 5 54
14 1
2 1 4
r c r c r c r c r c
r c
max
55 5 45 4 35 3 25 2 15 1
2 1
5 o
c r c r c r c r
r c
r c
(funkcja celu – wskaǍnik integralny dla kombinacji „opisanej” przez c1,c2,c3,c4,c5)
przyograniczeniach
1 , 5 4 3 2
1c c c c t
c ͲniedozwolonajestkombinacjaniezawierajČcaǏadnejzmiennej
5 4 3 2 1,c ,c,c,c
c Ͳbinarne(0lub1)
ZrzutyekranuzostaųywykonanewExcelu2007.
Rysunek 1. Zrzut ekranu Ͳ plik Excela 2007 wykonujČcy dla danych z przykųadowego zadania obliczenia
zwiČzane z wyborem zmiennych objaƑniajČcych przy pomocy metody Hellwiga wyraǏonej jako zadanie
binarnegoprogramowanianieliniowego(przedstawionofinalnywynikobliczeŷ).
ródųo:DanewejƑciowewkomórkachA2:F6:BajorekG.,KierniaͲHnatM.,SkrzypczakI.,AspektyƑrodowiskowe
wtechnologiiprodukcjikruszywbudowlanych,PraceInstytutuCeramikiiMateriaųówBudowlanych,RokV,N
9,2012,str.7Ͳ19;pozostaųedane:obliczeniawųasne.
KomórkiuǏytewarkuszumajČnastħpujČceznaczenie.
1. KwadratywspóųczynnikówkorelacjizmiennejobjaƑnianejizmiennychobjaƑniajČcych(B9:F9)
Formuųa=WSP.KORELACJI($A2:$A6;B2:B6)^2wpisanadoB9;nastħpnieB9skopiowanana
C9:F9.
MetodawskaǍnikówpojemnoƑciinformacyjnejHellwigajakozadanienieliniowegoprogramowaniabinarnego
222
2. WartoƑcibezwzglħdnewspóųczynnikówkorelacjiparzmiennychobjaƑniajČcych(B12:F16).
Formuųa=MODUB.LICZBY(WSP.KORELACJI(B$2:B$8;PRZESUNI%CIE($B$2:$B$8;0;$A12Ͳ1)))
wpisanadoB12;nastħpnieB12skopiowananaB12:F165.
3. KomórkipeųniČcerolħzmiennychdecyzyjnychc1,c2,...,c5Ͳskųadnikikombinacjiwybranych
zmiennychobjaƑniajČcych(B19:F19).
KomórkitemogČzawierađwartoƑciliczbowelubbyđpuste.NiemogČtobyđjednakwyųČczͲ niekomórkipustelubzawierajČcezerazewzglħdunabųČddzieleniaprzezzerowformuųach
odpowiadajČcychskųadnikomfunkcjicelu(wskaǍnikomindywidualnym).
4. Sumazmiennychdecyzyjnych(G19).
Formuųa=SUMA(B19:F19).
5. FormuųyodpowiadajČceskųadnikomfunkcjicelu(wskaǍnikomindywidualnym)(B21:F21).
Formuųa=B19*B9/MACIERZ.ILOCZYN($B19:$F19;B12:B16)wpisanadoB21;nastħpnieB21
skopiowananaC21:F21.
6. Sumaskųadnikówfunkcjicelu(wskaǍnikówindywidualnych)–wskaǍnikintegralny(G21)
Formuųa=SUMA(B21:F21).
Obliczenia zostaųy wykonane przez przy pomocy dodatku Solver. Ustawienia Solvera
wExcelu2007podanesČponiǏej.
Rysunek2.Zrzutekranu–ustawieniadodatkuSolverwExcelu2007dlaprzykųadowegozadaniarozwiČzanego
przypomocymetodyHellwigawyraǏonejjakozadaniebinarnegoprogramowanianieliniowego.
ródųo:obliczeniawųasne
ObliczeniazostaųywykonanewMicrosoftExcel2007i2010orazLibreOfficeCalc4.0.4na
laptopie Dell Inspiron 15R z procesorem Intel Core i3 M 380 2,53 GHz i 3 GB RAM pracujČcym
zsystemem operacyjnym Windows 7 Home 64 bit. Czas obliczeŷ wyniósų dla wszystkich
programów okoųo 1 sekundy (w przypadku LibreOffice Calc, który pokazuje czas pracy Solvera,
poniǏej 1 sekundy). W przypadku Excela okazaųo siħ, iǏ konieczne jest ustawienie opcji Solvera
Tolerancja(wersja2007orazwczeƑniejsze)/OptymalnoƑđcaųkowitoliczbowa(wersja2010,atakǏe
2013) na 0%, co eliminuje ewentualnČ suboptymalnoƑđ rozwiČzania. PoczČtkowe wartoƑci we
wszystkichkomórkachzmienianychbyųyustawionena1.
Analogiczne obliczenia wykonano równieǏ dla przykųadu z danymi fikcyjnymi
wymagajČcegoznaczniebardziejzųoǏonychobliczeŷ(12zmiennychobjaƑniajČcych,14obserwacji).
Czas obliczeŷ wyniósų wówczas odpowiednio dla Excela 2007 oraz 2010 okoųo 2 sekund, a dla
5 Formuųy sųuǏČce do obliczania wspóųczynników korelacji par zmiennych objaƑniajČcych zostaųy opisane w:
Kowalik P., On an implementation..., op.cit. We wczeƑniejszych pracach autora dotyczČcych rozwaǏanej
tematyki:KowalikP,Implementacjametody….,op.citorazKowalikP.,Wykorzystaniearkuszy…,op.cit.,formuųy
obliczajČcewspóųczynnikikorelacjiparzmiennychobjaƑniajČcychmiaųyznaczniebardziejrozbudowanČpostađ.
PrzemysųawKowalik
223
LibreOffice Calc 4.0.4 (w zaleǏnoƑci od wybranego jednego z dwóch dostħpnych algorytmów)
odpowiedniookoųo6lub16sekund.
Jakwidađ,czasobliczeŷjestakceptowalny,copozwalaoczekiwađ,ǏeuǏycietakǏeinnego
oprogramowania optymalizacyjnego pozwoli osiČgnČđ podobne wyniki. NajwaǏniejszČ korzyƑciČ
wynikajČcČzuǏyciaSolverajestznaczniezmniejszenierozmiarówuǏywanychplikówwporównaͲ niu z „bezpoƑrednim” poszukiwaniem maksimum wskaǍnika integralnego poprzez sprawdzenie
wszystkich kombinacji. PrzyczynČ tego faktu jest wyeliminowanie specyficznego dla arkuszy
kalkulacyjnychwymogustworzeniaformuųopisujČcychwszystkiekombinacjeorazodpowiadajČce
im wskaǍniki indywidualne. DodatkowČ korzyƑciČ jest równieǏ oszczħdnoƑđ czasu zwiČzana
zunikniħciemwprowadzaniawspomnianychwyǏejformuų.
PrzykųadowerozmiaryplikówpodanesČwtabeli.
Tabela1.RozmiaryplikówwkilobajtachwróǏnychformatachdlaprzykųadowychzadaŷ.
Formatpliku
ZawartoƑđ XLS XLSX ODS
5zmiennychobjaƑniajČcych – sprawdzaniekombinacji 34,0 16,0 23,9
5zmiennychobjaƑniajČcych – obliczanieSolverem 28,5 11,4 17,6
12zmiennychobjaƑniajČcych – sprawdzaniekombinacji 3409,0 1307,2 1120,7
12zmiennychobjaƑniajČcych – obliczanieSolverem 198,7 50,5 21,0
ródųo:obliczeniawųasne.
RozmiaryplikówmogČsiħoczywiƑcieróǏniđwzaleǏnoƑciodwersjiprogramu,wktórejbyųy
edytowaneorazodinformacjidodatkowychtakichjakopisy ikomentarzetekstoweczyteǏinne
obliczenia.WprzypadkuprogramuLibreOfficeCalcustawieniaSolveraniesČzapisywanewpliku
(aniw„natywnym”formacieODSaniwXLS/XLSX).
5.Podsumowanie
Sformuųowanie problemu wyboru zmiennych objaƑniajČcych przy pomocy metody
HellwigajakozadaniabinarnegoprogramowanianieliniowegomoǏnauznađjakopoųČczeniejħzyka
ekonometrii oraz badaŷ operacyjnych. Nie jest to jednak tylko inny, interesujČcy z czysto
formalnegopunktuwidzenia,sposóbzapisuznanegoproblemu,alerównieǏwyraǍnawskazówka,
jakie narzħdzia informatyczne mogČ byđ uǏyte do jego rozwiČzania. Przeprowadzone testy
sugerujČ,iǏrozwaǏanepodejƑciedoproblemumoǏebyđatrakcyjnedlauǏytkowników.
Bibliografia
1. Bajorek G., KierniaͲHnat M., Skrzypczak I., Aspekty Ƒrodowiskowe w technologii produkcji
kruszyw budowlanych, Prace Instytutu Ceramiki i Materiaųów Budowlanych, Rok V, Nr 9,
2012,str.7Ͳ19.
2. Hellwig Z., On the Optimal Choice of Predictors, [w:] Study VI, Toward a System of
Quantitative Indicators of Components of Human Resources Development, UNESCO, Paris
1968.
3. HellwigZ.,Problemoptymalnegowyborupredykant,PrzeglČdStatystyczny,3Ͳ4,1969.
4. Hillier F.S., Lieberman G.J., Introduction to Operations Research, 4th Edition, McGraw Hill
1986.
5. KowalikP,ImplementacjametodywskaǍnikówpojemnoƑciinformacyjnej(metodyHellwiga)
w arkuszach kalkulacyjnych, [w:] Rola informatyki w naukach ekonomicznych ispoųecznych.
Innowacje i implikacje interdyscyplinarne, Tom 2, Wydawnictwo WyǏszej Szkoųy Handlowej,
Kielce2011,str.186Ͳ194.
6. KowalikP.,WykorzystaniearkuszykalkulacyjnychdowyboruzmiennychobjaƑniajČcychprzy
pomocy metody wskaǍników pojemnoƑci informacyjnej (metody Hellwiga), [w:] Rola
informatyki w naukach ekonomicznych i spoųecznych. Innowacje i implikacje interͲ
MetodawskaǍnikówpojemnoƑciinformacyjnejHellwigajakozadanienieliniowegoprogramowaniabinarnego
224
dyscyplinarne,Tom2/2012,WydawnictwoWyǏszejSzkoųyHandlowej,Kielce2012,str.168Ͳ 178.
7. Kowalik P., On an implementation of the method of capacity of information bearers (the
Hellwig method) in spreadsheets, [w:] Probability in Action, Politechnika Lubelska 2013
[wdruku].
8. NowakE.,Zarysmetodekonometrii.Zbiórzadaŷ,WydawnictwoNaukowePWN,Warszawa
1994.
TheMethodofCapacityofInformationBearers(theHellwigMethod)asaNonlinear
BinaryProgrammingProblem
Thechoiceofindependentvariablestoaneconometricmodelbyusingthemethodofcapacityof
informationbearers(theHellwigmethod)isbasedonmaximizationofsoͲcalledintegralcapacity
ofinformationbearer.Afterapplyingsimpletransformationsofstandardformulas,theproblemof
choice of independent variables can be expressed as a nonlinear binary programming problem.
Some tests were performed which showed that optimization software such as Solver addͲins in
Microsoft Excel and LibreOffice Calc can choose variables correctly in the sense of the Hellwig
methodbysolvinganonlinearbinaryprogrammingproblem.
Keywords:econometricmodel,independentvariables,dependentvariables,theHellwigmethod,
nonlinearprogramming,binaryprogramming
drPrzemysųawKowalik
Autor jest adiunktem w Katedrze Metod IloƑciowych w ZarzČdzaniu na Wydziale
ZarzČdzaniaPolitechnikiLubelskiej.Wykųadaprzedmiot„Badaniaoperacyjne”oraz
prowadzi laboratoria i đwiczenia z badaŷ operacyjnych oraz innych przedmiotów
zzakresu metod iloƑciowych. Jego zainteresowania to badania operacyjne,
modelowanie problemów decyzyjnych w arkuszach kalkulacyjnych oraz inǏynieria
taryfowa – zasady konstrukcji taryf transportowych, telekomunikacyjnych
ibankowych.