Geograficznie ważona regresja jako narzędzie analizy poziomu rozwoju społeczno-gospodarczego na przykładzie regionów Unii Europejskiej

• Autorzy: Mariola Chrzanowska , Nina Drejerska

Warianty tytułu

Geographically Weigthed Regression as a Tool of Analysis of Socio-Economic Development Level of Regions in The European Union

• Języki publikacji: PL

Abstrakty

Łączenie wątków związanych z teoriami wzrostu endogenicznego oraz nową geografią ekonomiczną w badaniach nad wzrostem społeczno-gospodarczym doprowadziło do rozwoju New Economic Geography and Growth (NEGG). Metoda regresji ważonej geograficznie (GWR) jest w takich ramach właściwym narzędziem analizy, ponieważ uwzględniając czynniki rozważane w teoriach rozwoju endogenicznego (np. kapitał ludzki czy kapitał intelektualny), pozwala jednocześnie wziąć pod uwagę położenie badanych obiektów w przestrzeni geograficznej. W opracowaniu poddano analizie poziom rozwoju społeczno-gospodarczego regionów w Unii Europejskiej z wykorzystaniem geograficznie ważonej regresji. Jako zmienną zależną wybrano PKB per capita według parytetu siły nabywczej, a jako zmienne niezależne charakterystyki kapitału ludzkiego i kapitału intelektualnego. Zaprezentowane wyniki badań wskazują na zasadność stosowania modeli uwzględniających przestrzenną niestacjonarność, w tym np. GWR(abstrakt oryginalny)

EN

Combination of issues connected with theories of endogenous growth with the new economic geography in research on socio-economic growth led to the development of the new economic geography and growth (NEGG). The method of geographically weighted regression is a proper analytical instrument within this approach, as it concerns factors coming from theories of endogenous growth (e.g. human or intellectual capital) as well as location of investigated objects. The paper presents analysis of a level of socio-economic development of regions in the European Union with the use of the geographically weighted regression. Gross Domestic Product in PPS per capita was used as a dependent variable whereas characteristics of human and intellectual capital were applied as independent variables. Presented research results indicate that it is reasonable to use models referring to spatial nonstationarity, as for example the geographically weighted regression(original abstract)

Słowa kluczowe

PL

Rozwój regionalny; Wzrost gospodarczy; Wzrost gospodarczy regionu; Wzrost endogeniczny

EN

Regional development; Economic growth; Economic growth of the region; Endogenous growth

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
• Rocznik: 2016
• Tom: 27
• Numer: nr 427 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 58-65

Twórcy

autor

Mariola Chrzanowska

• Szkoła Główna Gospodarstwa Wiejskiego w Warszawie

autor

Nina Drejerska

• Szkoła Główna Gospodarstwa Wiejskiego w Warszawie

Bibliografia

• Bivand R., Pebesma E.J., Gomez-Rubio V., 2008, Applied Spatial Data analysis in R, Springer, New York.
• Bond-Smith S., McCann P., 2014, Incorporating space in the theory of endogenous growth, [w:] M.M. Fischer, P. Nijkamp (red.), Handbook of Regional Science, Springer Reference.
• Brundson C., Fortheringham A.S., Charlton M., 1998, Geographically weighted regression: A method for exploring spatial nonstationarity, Journal of the Royal Statistical Society. Series D (The Statistician), vol. 47, no. 3, s. 431-443.
• Brundson C., Fortheringham A.S., Charlton M., 1999, Some notes on parametric significance tests for geographically weighted regression, Journal of Regional Science, vol. 39, no. 3, s. 497-524.
• Capello R., Fratesi U., 2012, Modelling regional growth: An advanced MASST model, Spatial Economic Analysis, vol. 7, no. 3, s. 293-318.
• Crespo-Cuaresma J., Foster N., Stehrer R., 2011, Determinants of regional economic growth by quantile, Regional Studies, vol. 45, no. 6, s. 809-826.
• Dall'Erba S., Percoco M., Piras G., 2008, The European regional growth process revisited, Spatial Economic Analysis, vol. 3, no. 1, s. 7-25.
• Eurostat, 2015, Eurostat Regional Yearbook 2015, Publications Office of the European Union, Luxembourg.
• Fabian Z., 2014, Method of the geographically weighted regression and example for its application, Regional Statistics, vol. 4, no. 1, s. 61-75.
• Fortheringham A.S., Brunsdon C., Charlton M., 2002, Geographically Weighted Regression the Analysis of Spatially Varying Relationships, John Wiley & Sons, Hoboken, NJ.
• Lewandowska-Gwarda K., 2014, Spatial analysis of foreign migration in Poland in 2012 using geographically weighted regression, Comparative Economic Research, vol. 17, no. 4, s. 137-154.
• OECD, 2009, How Regions Grow. Trends and Analysis, OECD Publishing, Paris.
• Suchecki B., 2010, Ekonometria przestrzenna, Metody i modele analizy danych przestrzennych, C.H. Beck, Warszawa.
• Yang Y., Fik T., 2014, Spatial effects in regional tourism growth, Annals of Tourism Research, vol. 46, s. 144-162.

Identyfikatory

DOI

10.15611/pn.2016.427.06