We współczesnych badaniach reprezentacyjnych coraz częściej dają o sobie znać błędy o charakterze nielosowym, w tym w szczególności wynikające z braków odpowiedzi lub źle wykonanych pomiarów (niedokładnej obserwacji statystycznej). Do tej pory rzadko dyskutowano o skutkach tego typu błędów w procedurze weryfikacji hipotez statystycznych. Uwaga badaczy skupiała się niemal wyłącznie na błędzie losowania (błędzie losowym). Błąd ten maleje wraz ze wzrostem liczebności próby. To sprawia, że badacze, nierzadko mający do dyspozycji bardzo duże liczebnie próby, tracą z pola widzenia konsekwencje nie tylko błędu losowego, lecz także błędów nielosowych. Celem artykułu jest wskazanie na znaczenie błędów nielosowych w podejmowaniu decyzji opartych na wykorzystaniu klasycznej procedury weryfikacji hipotez. Szczególną uwagę poświęcono sytuacjom, w których badacz dysponuje dużą liczebnie próbą. W pracy uzasadniono twierdzenie, że w dużych próbach testy statystyczne stają się bardziej wrażliwe na oddziaływanie błędów nielosowych. Błędy systematyczne, będące szczególnym przypadkiem błędów nielosowych, zwiększają prawdopodobieństwo błędnej decyzji o odrzuceniu prawdziwej hipotezy wraz ze wzrostem liczebności próby. Wzbogacenie weryfikacji hipotez o analizę opartą na estymacji przedziałowej może wspomóc badacza w poprawnym wnioskowaniu. (abstrakt oryginalny)
EN
Increasing numbers of non-random errors are observed in contemporary sample surveying - in particular, those resulting from no response or faulty measutrements (imprecise statistical observation). Until recently, the consequences of these kinds of errors have not been widely discussed in the context of the testing of hypoteses. Researchers focused almost entirely on sampling errors (random errors), whose magnitude decreases as the size of the random sample grows. In consequence, researchers who often use samples of very large sizes tend to overlook the influence random and non-random errors have on the results of their study. The aim of this paper is to present how non-random errors can affect the decision-making process based on the classical hypothesis testing procedure. Particular attention is devoted to cases in which researchers manage samples of large sizes. The study proved the thesis that samples of large sizes cause statistical tests to be more sensitive to non-random errors. Systematic errors, as a special case of non-random errors, increase the probability of making the wrong decision to reject a true hypothesis as the sample size grows. Supplementing the testing of hypotheses with the analysis of confidence intervals may in this context provide substantive support for the researcher in drawing accurate inferences. (original abstract)
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Celem artykułu jest przedstawienie oraz omówienie podobieństw i różnic w konstrukcji panelowych testów stacjonarności i pierwiastka jednostkowego oraz wskazanie znanych z literatury możliwości ich wykorzystania do interpretacji hipotez ekonomicznych. Wskazane zostaną ich zalety a także ograniczenia. Przedmiotem analiz porównawczych będzie pięć panelowych testów stacjonarności, tj. Levina, Lina (LL, 1992, 1993), Ima, Pesarana i Shina (IPS, 1997), Harrisa i Tzavalisa (HT,1999), Maddali i Wu (MW, 1999) oraz Hadri (H, 2000). Rozważania teoretyczne zostana ziklustrowane przykładami wykorzystania panelowych testów pierwiastka jednostkowego i stacjonarności do weryfikacji hipotezy Parytetu Siły Nabywczej oraz dylematu Feldsteina i Horioki. (abstrakt oryginalny)
EN
The paper aims at presenting panel unit root tests and pointing out the main similarities and differences among them. Shortfalls and potentials of PURT are discussed in a paper. Theoretical side is illustrated with the recent applications of PURT for evaluation and interpretation of economic hypothesis i.e. PPP and Feldstein-Horioka dilemma. Five PURT are considered, namely Levin, Lin (LL, 1992, 1993), Im, Pesaran and Shin (IPS, 1997), Harris and Tzavalis (HT.1999), Maddala and Wu (MW, 1999) and Hadri (H, 2000). (original abstract)
W artykule przedstawiono oszacowania stopy procentowej według reguły J. B. Taylora. Jednym z wielu istotnych problemów, na które napotykamy szacując funkcję reakcji polityki pieniężnej, jest potrzeba stosowania danych dostępnych bankowi centralnemu w momencie podejmowania decyzji. Analizę przeprowadzono na podstawie danych kwartalnych obejmujących okres od 1 kwartału 1999 r. do 3 kwartału 2007 r. Porównano dwa sposoby pomiaru luki PKB: liczoną na podstawie danych realnych oraz na podstawie danych ex-post. Na podstawie badania stwierdzano bardzo silną reakcję polityki pieniężnej na odchylenie inflacji od celu oraz brak istotnego wpływu luki PKB. Takie zachowanie, określane w literaturze jako „świrowanie na punkcie inflacji” (inflation nutter), nadmiernie powiększa fluktuacje gospodarcze. Opisana reakcja może być uzasadniona w warunkach niepewności co do szacunków tej luki. (abstrakt oryginalny)
EN
In the article estimation of interest rate by Taylor rule was presented. One of the essential problems facing during estimation of function of monetary policy reaction is the need to use data available for central bank just in moment of deciding process. The analysis carried out on the base of quarterly data covering period from the 1 quarter 1999 until 3 quarter 2007. The two ways of GDP gap measure were compared: the gap was calculated on the base of real data and on the base of ex-post data. On the base of the survey the very strong reaction of monetary policy on deviation of inflation from target and lack of significant influence on GDP gaps was observed. Such an effect, is called in literature as "inflation nutter", over increases economic fluctuations. Described reaction may be well-grounded when an estimation of this gap is uncertain.
Łatwość, z jaką za pomocą odpowiedniego programu komputerowego można dokonać skomplikowanych analiz danych, nie idzie niestety w parze ze zrozumieniem przez badaczy istoty wykonywanych analiz. Celem artykułu jest pokazanie ograniczeń analizy skupień (cluster analysis) metodą k-średnich, używanej powszechnie w badaniach marketingowych do segmentacji rynku, w psychologii do wykrywania różnic indywidualnych, stosowanej także do kategoryzacji krajów. Tok wywodu został zilustrowany wynikami własnych analiz wskaźników religijności w badaniach ISSP prób reprezentatywnych pochodzących z 32 krajów. Pokazano, że na podstawie tych samych danych możemy stworzyć za pomocą analizy skupień różne, spełniające kryteria statystyczne, kategoryzacje. Aby stworzyć użyteczną merytorycznie klasyfikację, trzeba testować różne warianty rozwiązań, pamiętając, że ważniejsza od istotności statystycznej, którą w przypadku analizy skupień można bardzo łatwo uzyskać, jest istotność merytoryczna. (abstrakt oryginalny)
EN
The ease with which one can use computer program to conduct complex data analysis is not, unfortunately, coupled with the researchers' comprehension of the nature of the analyses being conducted. The aim of the article is to show the limitations of k-means cluster analysis, commonly used in market research to partition the consumers into segments, in psychology to detect individual differences, in cross-cultural research to categorize countries. The limitations of this method has been illustrated with the Author's own analyses of religiosity level in 32 countries based on the data collected by International Social Survey Program (ISSP). It was shown that, using k-means clustering of the same data, one could create different categorizations that fulfill statistical criteria. The Author points out recommendations that allow to get more valid results of cluster analysis keeping in mind that theoretical importance of the solution is equally or even more important than statistical significance. (original abstract)
Teoria badań społecznych zmierza w znacznej części do odkrywania i zrozumienia prawidłowości, które występują w rzeczywistości społecznej. Do najistotniejszych elementów tej rzeczywistości zaliczamy różnego rodzaju zbiorowości społeczne (grupy, klasy, warstwy społeczne, kategorie, zbiorowości etniczne i terytorialne itp.), jak również procesy i zjawiska społeczne. Zjawisko społeczne to "[...] fakt społeczny czy proces, który istnieje, powstaje i zmienia się w czasie dzięki działaniom zbiorowości społecznych lub grup społecznych" [http://pl.wikipedia.org]. Przykładami takich zjawisk są : bezrobocie, ubóstwo, migracja zarobkowa, alkoholizm itp. Badania społeczne mogą służyć trzem głównym celom naukowym : eksploracja, opis i wyjaśnianie. (fragment tekstu)
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.