Verification of economic and agricultural indicators with the use of statistical methods on the example of individual farms

• Autorzy: Grotkiewicz K. , Peszek A. , Kowalczyk Z.

Identyfikatory

DOI

10.1515/agriceng-2016-0043

Warianty tytułu

PL

Weryfikacja wskaźników ekonomiczno-rolniczych z wykorzystaniem metod statystycznych na przykładzie gospodarstw indywidualnych

• Języki publikacji: EN

Abstrakty

EN

The paper describes basic methodology assumptions related to construction of Bayesian networks. The paper aims at preparation of data for modeling to obtain fresh knowledge on economic and agricultural database and will constitute the first stage of research. Variables (economic and agricultural indicators) with discreet values were used for analysis with the use of two step grouping technique and previous non-typical data were explored. The research was carried out on the group of three hundred individual fanns from Malopolskie and Swiętokrzyskie Voiovedship. The knowledge obtained from analyses will be used in practice in agricultural engineering in order to support agricultural activity.

PL

W pracy omówiono podstawowe założenia metodyczne związane z budową sieci bayesowskich. Zadaniem opracowania jest przygotowanie danych do modelowania w celu pozyskiwania nowej wiedzy z ekonomiczno-rolniczej bazy danych i będzie ono stanowiło jednocześnie pierwszy etap badań. Do analiz wykorzystano zmienne (wskaźniki ekonomiczno-rolnicze) o wartościach dyskretnych posługując się techniką dwustopniowego grupowania oraz dokonano wcześniejszej eksploracji danych nietypowych. Badania przeprowadzono na grupie trzystu gospodarstw indywidualnych z województwa małopolskiego i świętokrzyskiego. Uzyskaną wiedzę z przeprowadzonych analiz będzie można wykorzystać w bezpośredniej praktyce w inżynierii rolniczej mając na celu wspomaga-nie działalności rolniczej.

Słowa kluczowe

EN

economic indicators; agricultural indicators; individual farm; data exploration; two step cluster analysis

PL

wskaźniki ekonomiczno-rolnicze; gospodarstwo indywidualne; eksploracja danych; analiza skupień dwustopniowa

• Wydawca: Polskie Towarzystwo Inżynierii Rolniczej
• Czasopismo: Agricultural Engineering
• Rocznik: 2016
• Tom: Vol. 20, No. 3
• Strony: 43--51
• Opis fizyczny: Bibliogr. 22 poz., tab.

Twórcy

autor

Grotkiewicz K.

• Institute of Agricultural Engineering and Informatics, University of Agriculture in Krakow

autor

Peszek A.

• Institute of Agricultural Engineering and Informatics, University of Agriculture in Krakow

autor

Kowalczyk Z.

• Institute of Agricultural Engineering and Informatics, University of Agriculture in Krakow

Bibliografia

• Aczel, A.D. (2005). Statystyka w zarządzaniu. PWN. ISBN 83-01-14548-X.
• Bartnik, G., Kusz, A., Marciniak, A. W. (2006). Modelowanie procesu eksploatacji obiektów technicznych za pomocą dynamicznych sieci bayesowskich. Agricultural Engineering, 12(87), 9-16.
• Campos, L.M., Javier, G.C. (2007). Bayesian network learning algorithms using structural restrictions. International Journal of Approximate Reasoning, 45(2), 233–254.
• Chen, M.S., Han, J., Yu, P.S. (1996). Data mining:an overview from a database perspective. IEEE Trans. Knowledge and Data Enginieering, 8, 866-883.
• Grotkiewicz, K., Kowalczyk, Z. (2015). Methodological notes concerning determination of the scientific and technical progress rate and its efficiency. Agricultural Engineering, 4(156), 149-156.
• Grotkiewicz, K., Kuboń, M., Michałek, R., Peszek, A. (2013). Postęp naukowo-techniczny w procesie modernizacji polskiego rolnictwa i obszarów wiejskich. Wydawnictwo Inżynieria Rolnicza. ISBN 978-83-935020-5-9.
• Grotkiewicz, K., Michałek, R. (2009). Ocena poziomu produkcyjności i wydajności w rolnictwie na przykładzie wybranych regionów Polski. Agricultural Engineering, 6(115), 103-108.
• IBM, Knowledge Center. (on-line). Obtained from: https://www.ibm.com/support/knowledge-center/SSLVMB_21.0.0/com.ibm.spss.statistics.help/idh_twostep_main.htm.
• Kapłon, R. (2009). Rozkład a priori w czynniku bayesowskim a wybór modelu klas ukrytych. Badania Operacyjne i Decyzyjne, 3, 87-94.
• Kołodziejczak, M. (2008). Efektywność wykorzystania zasobów pracy i ziemi w rolnictwie Unii Europejskiej. Roczniki Naukowe SERiA, Tom X, Zeszyt 1, 176-181.
• Kusz, A., Marciniak, A. W. (2006). Dynamiczne sieci probabilistyczne jako system reprezentacji wiedzy. Agricultural Engineering, 12(87), 285-294.
• Michałek, R., Grotkiewicz, K., Kuboń, M., Sporysz, M. (2010). Metodyczne aspekty określania postępu naukowo-technicznego w badaniach makro- i mikroekonomicznych. Agricultural Engineering, 5(123), 197-205.
• Michałek, R., Kowalski, J., Tabor, S., Cupiał, M., Kowalski, S., Rutkowski, K. (1998). Uwarunkowania technicznej rekonstrukcji rolnictwa. Wydawnictwo PTIR, ISBN 83-905219-1-1.
• Michałek, R., Peszek, A., Grotkiewicz, K. (2008). Wydajność pracy i ziemi w wybranych gminach województwa małopolskiego. Agricultural Engineering, 10(108), 185-191.
• Morzy, T. (2007). Eksploracja danych. Nauka, 3, 83-104.
• Neal, K. van Alfen (2014). Policy Frameworks for International Agricultural and Rural Development. Encyclopedia of Agriculture and Food Systems, Volume 5, 489-50.
• Park, H.S., Baik, D.K. (2006). A study for control of client value using cluster analysis. Journal of Network and Computer Applications, Vol. 29, No. 4, 262-276.
• Piłatowska, M. (2011). Porównanie kryteriów informacyjnych i predykcyjnych w wyborze modelu. Prace i materiały Wydziału Zarządzania UG (8).
• Prisecaru, P. (2015). EU Reindustrialization on the Coordinates of Scientific and Technical Progress. Procedia Economics and Finance, 22, 485-494.
• Rocznik statystyczny województw. 2014. GUS. ISSN 1230-5820.
• Şchiopu, D. (2010). Applying Two Step Cluster Analysis for Identifying Bank Customers’ Profile. Seria Ştiinţe Economice, LXII, 3, 66-75.
• Tabor, S. (2006). Postęp techniczny a efektywność substytucji pracy żywej pracą uprzedmiotowioną w rolnictwie. Agricultural Engineering, 10(85), ISSN 1429-7264.

Uwagi

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę.