Zastosowanie modeli przestrzennych w analizie zjawiska starzenia się populacji

• Autorzy: Zeug-Żebro Katarzyna

Identyfikatory

DOI

10.21008/j.0239-9415.2020.081.17

Warianty tytułu

EN

Application of spatial models in the analysis of the phenomenon of an aging population

• Języki publikacji: PL

Abstrakty

PL

Proces starzenia się społeczeństwa jest zjawiskiem wieloaspektowym, na które ma wpływ m.in. demograficzna i przestrzenna charakterystyka badanych obszarów. Zastosowanie analizy przestrzennej do badania tego procesu pozwala na ustalenie istniejących relacji między badanymi regionami w odniesieniu do tego zjawiska. W artykule podjęto próbę przestrzennego modelowania zjawiska starzenia się ludności. Dla wybranej zmiennej charakteryzującej starzejącą się populację, tj. liczby osób w wieku poprodukcyjnym, stworzono klasyczny model ekonometryczny oraz zweryfikowano konieczność uwzględnienia czynnika przestrzennego w modelowaniu badanego zjawiska. Jako zmienne objaśniające modelu wzięto pod uwagę zmienne demograficzne oraz zmienne o charakterze ekonomiczno-społecznym. W tym celu rozpatrzono dwa modele przestrzenne: błędu przestrzennego i opóźnienia przestrzennego.

EN

The aging process is a multifaceted phenomenon affected by, inter alia, the demographic and spatial nature of individuals. The application of spatial analysis to investigate this process will demonstrate the existing relationships between the studied regions with respect to this phenomenon. The article attempts to model the phenomenon of spatial aging of the population. For selected variables characterizing an aging population, i.e. the total number of post-working age people – classic econometric models were constructed and the necessity of including the spatial factor in the process of modelling was verified. The demographic variables and variables of an economic and social nature were chosen as explaining variables of the model. For this purpose, two spatial models will be considered: the spatial error model and spatial lag model. All calculations and maps will be made in the statistical program R CRAN and Microsoft Excel.

Słowa kluczowe

PL

analiza zjawiska starości; skutki społeczno-ekonomiczne; model błędu przestrzennego; model opóźnienia przestrzennego

EN

analysis of the phenomenon of old age; socio-economic effects; spatial error model; spatial delay model

• Wydawca: Wydawnictwo Politechniki Poznańskiej
• Czasopismo: Zeszyty Naukowe Politechniki Poznańskiej. Organizacja i Zarządzanie
• Rocznik: 2020
• Tom: Nr 81
• Strony: 263--276
• Opis fizyczny: Bibliogr. 20 poz., rys., tab.

Twórcy

autor

Zeug-Żebro Katarzyna

• Uniwersytet Ekonomiczny w Katowicach, Katedra Statystyki, Ekonometrii i Matematyki

Bibliografia

• 1. Anselin, L. (1988). Spatial Econometrics: Methods and Models. Dordrecht: Kluwer Academic Publishers.
• 2. Anselin, L. (2006). Spatial Analysis with GeoDa. 4. Spatial Regression. Urbana-Champaign: University of Illinois.
• 3. Anselin, L., Rey, S.J. (1991). Properties of tests for spatial dependence in linear-regression models. Geographical Analysis, 23, 112–131.
• 4. Anselin, L., Bera, A.K., Florax, R., Yoon, M.J. (1996). Simple diagnostic tests for spatial dependence. Regional Science and Urban Economics, 26, 77–104.
• 5. Cliff, A., Ord, J.K. (1970). Spatial Autocorrelation: A Review of Existing and New Measures with Applications. Economic Geography, 46, 269–292.
• 6. http://ec.europa.eu/eurostat/data/database (10.05.2019).
• 7. https://bdl.stat.gov.pl/ (10.05.2019).
• 8. Kopczewska, K. (2011). Ekonometria i statystyka przestrzenna z wykorzystaniem programu R Cran. Warszawa: CeDeWu.
• 9. LeSage, J.P., Pace, R.K. (2004). Advances in Econometrics: Spatial and Spatiotemporal Econometrics. Amsterdam: Elsevier.
• 10. LeSage, J.P., Pace, R.K. (2009). Introduction to Spatial Econometrics. Boca Raton, FL: CRC Press.
• 11. Mastalerz-Kodzis, A., Pośpiech, E. (2016). Socio-economic consequences of globalization – spatial analysis of economic characteristics in European Union countries. In: T. Kliestik (Ed.). Globalization and its socio-economic consequences. 16th International Scientific Conference Proceedings, PTS I-V, 1313–1321. Rajecke Teplice, Slovakia.
• 12. Moran, P.A.P. (1950). Notes on Continuous Stochastic Phenomena. Biometrika, 37(1), 17–23.
• 13. Pietrzykowski, R. (2011). Wykorzystanie metod statystycznej analizy przestrzennej w badaniach ekonomicznych. Roczniki Ekonomiczne Kujawsko-Pomorskiej Szkoły Wyższej w Bydgoszczy, 4, 97–112.
• 14. Rozkrut, D. (Ed.) (2017). Rocznik Demograficzny 2017. Warszawa: Zakład Wydawnictw Statystycznych.
• 15. Suchecki, B. (Ed.) (2010). Ekonometria przestrzenna. Metody i modele analizy danych przestrzennych. Warszawa: C.H. Beck.
• 16. Suchecki, B. (Ed.) (2012). Ekonometria przestrzenna II. Modele zaawansowane. Warszawa: C.H. Beck.
• 17. Tobler, W. (1970). A Computer Movie Simulating Urban Growth in Detroit Region. Economic Geography, 46(2), 234–240.
• 18. United Nations. Department of Economic and Social Affairs, Population Division (2017). World Population Prospects: The 2017 Revision, Key Findings and Advance Tables. New York: United Nations.
• 19. Wolny-Dominiak, A., Zeug-Żebro, K. (2012). Spatial statistics in the analysis of county budget incomes in Poland with the R CRAN. In: J. Ramik, D. Stavárek (Eds.). Proceedings of 30th International Conference Mathematical Methods in Economics, 992–998. Karviná, Czech Republic.
• 20. Zeug-Żebro, K., Miśkiewicz-Nawrocka, M. (2017). Global analysis of the problem of aging society. In: T. Kliestik (Ed.). Globalization and Its Socio-Economic Consequences, 17th International Scientific Conference. Proceedings, VI, 3076–3083. Zilina: University of Zilina.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2021).