Wyniki wyszukiwania - Biblioteka Nauki

1

Income inequality in Israel between 2003 and 2014

100%

Tzarfati B.

|

tom 2

|

nr 1

19-25

EN

Inequality in the distribution of income in the population is an important economic indicator. Today, economic inequality receives considerable attention due to the book of Thomas Piketty Capital in the 21st Century. The tremendous media coverage of the topic also attracted the attention of the world leaders. In many countries, the topic of inequality in income distribution was defined as a national challenge and was found at the top of the priorities of many important organizations, such as the International Monetary Fund (IMF) and the Organization for Economic Co-operation and Development (OECD). These organizations treat income distribution as the top priority because they see the problem to be a threat to the continuation of the existence of the global economic system [Piketty and Qian 2009]. This paper aims to describe the distribution of income in Israel and provide solutions for a more equal distribution of income.

2

Predicting immunogenicity in murine hosts with use of Random Forest classifier

89%

Marciniak A. , Tarczewska M. , Kloska S.

|

tom nr 24

31--43

EN

Biomedical data are difficult to interpret due to their large amount. One of the solutions to cope with this problem is to use machine learning. Machine learning can be used to capture previously unnoticed dependencies. The authors performed random forest classifier with entropy and Gini index criteria on immunogenicity data. Input data consisted of 3 columns: epitope (8-11 amino acids long peptide), major histocompatibility complex (MHC) and immune response. Presented model can predict the immune response based on epitope-MHC complex. Achieved results had accuracy of 84% for entropy and 83% for Gini index. The results are not fully satisfying but are a fair start for more complexed experiments and could be used as an indicator for further research.

PL

Dane biomedyczne są trudne do interpretacji ze względu na ich dużą ilość. Jednym z rozwiązań radzenia sobie z tym problemem jest wykorzystanie uczenia maszynowego. Techniki te umożliwiają wychwycenie wcześniej niezauważonych zależności. W artykule przedstawiono wykorzystanie klasyfikatora Random Forest z kryterium entropii i indeksem Gini na danych dotyczących immunogenności. Dane wejściowe składają się z 3 kolumn: epitop (peptyd o długości 8-11 aminokwasów), główny kompleks zgodności tkankowej (MHC) i odpowiedź immunologiczna. Zaprezentowany model przewiduje odpowiedź immunologiczną na podstawie kompleksu epitop-MHC. Uzyskane wyniki osiągnęły dokładność na poziomie 84% (entropia) i 83% (indeks Gini). Wyniki nie są w pełni satysfakcjonujące, ale stanowią dobry początek dla bardziej złożonych eksperymentów i wyznacznik do dalszych badań.

3

Gender inequality in livestock asset ownership: implication for food security in the Wa West District, Ghana

75%

Nadi F. , Nimoh F. , Antoh E. F. , Anaman R.

|

tom 4[62]

4

Analysis of income inequality and poverty in Poland for households with children

75%

Jędrzejczak A. , Pekasiewicz D.

|

nr 2

105-124

EN

The aim of the paper is to compare income inequalities and the level of poverty in Polish households classified into various types according to the number of children per household, and to analyse the changes in income inequalities in 2016 compared to those of 2014 and 2015. The year 2016 was special because of the launch of ”Family 500+” child benefit programme, which con-tributed to the growth of income in certain types of families. The research has been based on the microdata collected in the framework of the household budget survey by Statistics Poland. It focused on examining uneven distribution, at the same time analysing the poverty phenomenon in various types of households in the period 2014–2016. For this purpose, Gini and Zenga inequality indices and the extremal groups dispersion ratio were estimated. The calculated at-risk-of-poverty rate along with the poverty gap and poverty severity indices made it possible to assess the intensity, depth and severity of poverty in different groups of households. The research demonstrated that in 2016, inco-me inequalities decreased and the level of poverty fell compared to the previous years, especially in the groups of large families. This was the result of the increase in average income in these groups as well as the reduction of the income gap within and among different family types.

5

Determinanty poziomu ubóstwa na przykładzie Polski i Węgier – analiza porównawcza

63%

Anna I.-O.

|

tom 51

155-166

PL

Celem opracowania jest analiza czynników determinujących poziom ubóstwa na przykładzie dwóch krajów Grupy Wyszehradzkiej: Polski i Węgier. Analiza została przeprowadzona w oparciu o dane statystyczne EU-SILC i obejmuje lata 2006–2014. Nierówności dochodowe i rosnące ubóstwo to wyzwanie, przed którym staje współczesna gospodarka. Ubóstwo dotyka poszczególne grupy społeczne w różnym stopniu. Poziom ubóstwa w obu analizowanych krajach jest porównywalny w przypadku następujących sytuacji: niskiego poziomu wykształcenia członków rodziny, obecności osoby niepełnosprawnej w rodzinie czy też dużej liczebności rodziny. Wszystkie wymienione czynniki zawsze podnoszą poziom ubóstwa w obu krajach. Na potrzeby niniejszego opracowania założono więc, że poziom ubóstwa zależny jest od czterech następujących czynników: regionu, wieku, stopnia urbanizacji oraz statusu osoby na rynku pracy. Analiza pokazuje, iż w przypadku tychże czynników sytuacja Polski i Węgier jest nieco odmienna. Na Węgrzech ubóstwo w szczególności dotyka dzieci, czyli osoby do lat 16 oraz (oprócz osób nieposiadających zatrudnienia) grupę pracowników. W przypadku Polski grupę osób ubogich w znacznie większym stopniu niż na Węgrzech zasilają osoby zatrudnione z wyłączeniem pracowników. Wiekowo najubożsi są ludzie młodzi, wchodzący na rynek pracy, czyli grupa wiekowa od 16. do 24. roku życia, co jest także powiązane z wcześniejszą kategorią.

EN

The aim of this article is to analyse determinants of the poverty level in two countries from The Visegrad Group: Poland and Hungary. This analysis was conducted based on statistical data EU-SILC and it is covering the period 2006–2014. Income inequalities and a growing poverty are a challenge before which the contemporary economy should cope. The poverty afflicts individual social groups in the different degree. The level of poverty in both analysed countries is comparable in case of the following situations: low level of the family members education, the disabled person in the family or also a great size of the family. All mentioned factors always rise up the level of poverty in both countries. For the purposes of this study assumed that the level of poverty is dependent from four following factors: region of settling, age, degree of the urbanization (classes of the town) and the status of the person on the labour market. Analysis is showing that in case of these factors the situation of Poland and Hungary is a little bit different. In Hungary the poverty in particular affects children, i.e. the person less than 16 years old and (apart from not employed persons) group of employees. In case of Poland group of people living below the poverty level in the larger extent than in Hungary are employed persons except employees. In terms of the age the poorest people are young, going the labour market, representing the group from 16 to 24 years. This is also related with the previous category.

6

Inequality and Students’ PISA 2018 Performance: a Cross-Country Study

63%

Mazurek J. , Fernández García C. , Pérez Rico C.

|

nr 3

163-183

PL

Celem tego artykułu było zbadanie związku między wynikami badania PISA przeprowadzonego w poszczególnych krajach w 2018 r. a zestawem wskaźników związanych z nierównościami społeczno-ekonomicznymi, takimi jak indeks Giniego, wskaźnik rozwoju społecznego czy wskaźnik nierówności płci, oraz ze zmiennymi czysto ekonomicznymi, takimi jak PKB per capita i wydatki rządowe na edukację. Badaniem objęto 70 krajów, w tym 37 krajów OECD i 33 kraje spoza OECD. Metody badawcze obejmowały wielowymiarowe modele regresji liniowej, grupowanie k‑średnich i grupowanie hierarchiczne. Wyniki przeprowadzonej analizy wykazały, że wskaźnik Giniego był statystycznie nieistotny, co wskazuje, że nierówności dochodowe miały niewielki wpływ na wyniki uczniów w badaniu PISA. Z drugiej strony, wskaźnik nierówności płci był jedyną najbardziej istotną statystycznie zmienną objaśniającą zarówno dla krajów OECD, jak i spoza OECD. Dlatego nasza rekomendacja dla decydentów jest prosta: należy zwiększyć wyniki uczniów w badaniu PISA, a tym samym osiągnąć poprawę w obszarze kapitału ludzkiego i konkurencyjności krajów, oraz skupić się na zmniejszaniu nierówności płci i związanej z tym utraty osiągnięć edukacyjnych wynikających z nierówności płci.

EN

The aim of this paper was to investigate the relationship between countries’ PISA study results from 2018 and a set of indices related to socio-economic inequality, such as the Gini index, human development index, or gender inequality index, along with purely economic variables, such as GDP per capita and government expenditure on education. The study covered 70 countries, consisting of 37 OECD countries and 33 non-OECD countries. Research methods included multivariate linear regression models, k-means clustering, and hierarchical clustering. Our findings revealed that the Gini index was statistically insignificant, indicating income inequality had little effect on students’ PISA performance. On the other hand, the gender inequality index was the single most statistically significant explanatory variable for both OECD and non-OECD countries. Therefore, our recommendation for policymakers is simple: increase students’ PISA performance, thus enhancing countries’ human capital and competitiveness, and focus on decreasing gender disparity and the associated loss of achievement due to gender inequality.