This paper analyzes the relation between intellectual capital and development of higher education system. The measurement was executed for the set of 16 UE countries, including Poland. Applied approach into the measurement of intellectual capital was regarded as the extension of the proposals presented by the author in the Report of Intellectual Capital of Poland (www.innowacyjnosc.gpw.pl/kip). The paper focuses on crucial features of the higher education system which was extracted in the procedure of principal components. Using these components a comparative analysis of Polish higher education system in Poland was examined and collated with systems of other UE countries. The study also examined the influence of these crucial factors on the level of intellectual capital. A regression model describing dependence of intellectual capital on these core components was estimated. The results show a big disproportion between quality and range of the Polish higher education system. That means that the prevalent development of Polish higher education system focuses on the scale of functioning but extensive development does not follow development of quality. However, the model of the relation estimated for a set of UE countries shows that the qualitative features of the higher education system play a crucial role in shaping the level of intellectual capital.
Interpersonal trust in Poland is found to be at a very low level. This paper aims at the analysis of this phenomenon on the basis of European Social Survey data. Principal components analysis was applied to examine the degree of interpersonal trust in Poland in relation to other countries. Associations of three dimensions of trust, i.e. trustfulness, fairness and helpfulness, were analyzed by log-linear modeling as well as an agreement measure relevant for categorical variables. A composite indicator based on the first principal component scores confirmed the relatively poor social trust of Poles. A moderate agreement on any two of the three facets of this phenomenon was uncovered and in most cases no interactions among all three aspects of interpersonal trust were detected.
3
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
The present paper deals with chemometric interpretation of soil analysis data collected from 31 sampling sites in the region of Kavala and Drama, Northern Greece. The determination of 16 different chemical and physicochemical characteristics is principally needed for prognosis of the land treatment and fertilizing. The study carried out indicates that the application of multivariate statistical approaches could reveal new and specific information about sampling sites. It has been found that they could be divided into four general patterns: pattern 1 contains dominantly inorganic and alkaline soil samples from semi-mountainous regions in close proximity to the seacoast; pattern 2 indicates the same soil sample type and regional location as pattern 1 but is far from the coastal line; pattern 3 includes samples from sites from the plains with organic and alkaline soils with close proximity to the coast; pattern 4 resembles pattern 3 as soil type but involves samples from sites far from the shore. Further, six latent factors were identified, conditionally named “structural”, “acidic”, “nutritional”, “salt”, “microcomponents” and “organic”. Finally, an apportioning procedure was carried out to find the source contributions in the measured analytical values. In this way the routine estimation of the soil quality could be improved.
The essay presents the attempt to examine selected macroeconomic risk factors of portfolio Investments in Polish capital market as well as to build investment portfolios sensitive to particular risk profiles. With this objective in view, quoted companies at WSE were classified in accordance lo selected macroeconomic risk factor, applying the multidimensional statistic analysis. On the basis of the classification the shares portfolios of different risk profiles were built. The principal components analysis was applied to specify the main macroeconomic risk factors. Next, for all assets individually multifactor regression models were built to describe relations between the return rates of the assets and the macroeconomic risk factors. As a result of the regression analysis the sensitivity risk measures were received. The clustering analysis was applied in order to classify the assets in accordance to the sensitivity risk measures. The result of classification was used to build the portfolios that are sensitive to specific of macroeconomic risks. Finally the influence of the specific macroeconomic risks on total investment risk was examined.
PL
W pracy podjęto próbę oceny wybranych czynników ryzyka makroekonomicznego inwestycji portfel owej na polskim rynku kapitałowym. W tym celu przeprowadzono analizę klasyfikacji spółek ze względu na wybrane czynniki ryzyka makroekonomicznego, a następnie budowano portfele akcji o określonych profilach tego ryzyka. Badanie przeprowadzono na miesięcznych danych makroekonomicznych oraz miesięcznych stopach zwrotu spółek notowanych na GPW w Warszawie w okresie od stycznia 1999 do sierpnia 2005 r. Do specyfikacji ryzyka wykorzystano analizę głównych składowych. Wyznaczone składowe główne potraktowano jako czynniki ryzyka makroekonomicznego. Następnie oszacowano funkcje regresji opisujące stopy zwrotu akcji z wyznaczonymi czynnikami ryzyka. W wyniku analizy n presji otrzymano miary ryzyka wrażliwości stóp zwrotu spółek na poszczególne czynniki ryzyka makroekonomicznego. Następnie wykorzystano analizę skupień i dokonano klasyfikacji spółek ze względu na wyznaczone miary wrażliwości. Na podstawie wyników klasyfikacji zbudowano portfele akcji o określonych profilach makroekonomicznego ryzyka a następnie przeprowadzono analizę dywersyfikacji ryzyka portfeli. Ostatecznie zbadano wpływ poszczególnych czynników ryzyka na całkowite ryzyko inwestycji.
W artykule podejmuje się próbę opracowania prostego, wyprzedzającego barometru koniunktury dla produkcji przemysłu przetwórczego w Polsce na podstawie danych z badań koniunktury z lat 1997-2012 i zbadania jego zdolności prognostycznej. Przy doborze wag dla poszczególnych komponentów wskaźnika wykorzystano metodę głównych składowych. Proponowany wskaźnik trafnie prognozuje niedalekie wystąpienie punktów zwrotnych w przebiegu indeksu produkcji sprzedanej przemysłu przetwórczego i barometru koniunktury IRG SGH. Pomimo pewnych zastrzeżeń, przeprowadzona analiza wykazała użyteczność metody głównych składowych w konstruowaniu tego typu wskaźników.
EN
The paper proposes a simple leading indicator for manufacturing in Poland based on business survey data data of 1997-2012 and tests for its forecasting capability. Principal components analysis (PCA) was used to compute weights for series to compose the indicator which proved to be efficient in forecasting forthcoming turning points of the sold manufacturing production index, as well as the RIED WSE composite indicator for the Polish economy. Our analysis has proved that, in spite of some drawbacks, PCA might be useful for further construction of this type of indicators.
6
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
The present paper deals with an estimation of the water quality of the Struma river. Long-term trends, seasonal patterns and data set structures are studied by the use of statistical analysis. Nineteen sampling sites along the main river stream and different tributaries were included in the study. The sites are part of the monitoring net of the region of interest. Seventeen chemical indicators of the surface water have been measured in the period 1989–1998 in monthly intervals. It is shown that the water quality is relatively stable throughout the monitoring period, which is indicated by a lack of statistically significant trends for many of the sites and by chemical variables. Several seasonal patterns are observed at the sampling sites and four latent factors are identified as responsible for the data set structure.
7
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
The present study deals with the application of three already traditional environmetric approaches (cluster analysis, principal components analysis and principal components regression or source apportionment analysis) for assessment of soil quality. Two different case studies are considered - the one dealing with assessment of soil pollution and another one - with assessment of soil fertility. For both cases the classification of the sampling site locations is achieved, the data set structure is analyzed and the latent factors responsible for the structure are identified. Further, regression models accounting for the contribution of each identified latent factor on the formation of the total concentration of each chemical parameter are constructed and validated. Thus, the soil environment is carefully studied and important conclusions about the soil quality are reached.
PL
W prowadzonych badaniach środowiskowych zastosowano trzy klasyczne metody enwirometryczne (analizę klastrów, analizę składowych głównych oraz regresję składników główny, czyli analizę udziału źródła) w celu oceny jakości gleby. Badania prowadzono w dwu aspektach - oszacowano stopień zanieczyszczenia badanej gleby oraz jej urodzajność. W obu przypadkach wykonano klasyfikacje położenia miejsc pobierania próbek, ustalono strukturę uzyskanych danych oraz zidentyfikowano czynniki ukryte odpowiedzialne za tę strukturę. Ponadto opracowano i zwalidowano model regresji, wyjaśniający wkład każdego zidentyfikowanego czynnika ukrytego do całkowitego stężenia każdego wyznaczanego parametru chemicznego. Tak więc środowisko glebowe zostało starannie zbadane i dzięki temu można było wyciągnąć ważne wnioski dotyczące jakości badanej gleby.
8
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Two major environmetric methods (Cluster analysis (CA) and Principal components analysis (PCA)) were applied for statistical assessment of the water quality of trans-border river Tundja. The study used long-term monitoring data from 26 sampling sites characterized by 12 physicochemical parameters. Clustering of chemical indicators results in 3 major clusters: the first one shows the impact of anthropogenic sources, the second - the impact of agriculture and farming activities and the last one describes the role of the physical parameters on the water quality and also the impact of urban wastes. For better assessment of the monitoring data, PCA was implemented, which identified four latent factors. Two of them - “urban wastes” factor and “agriculture” factor correspond almost entirely to clusters 3 and 2 from the previous statistical analysis. The third one, named “industrial wastes” factor, reveals a specific seasonal behavior of the river system. The last latent factor describes the active reaction of the water body and is determined as “acidity” factor. The linkage of the sampling sites along the river flow by CA formed two clusters with the spatial “upstream-downstream” separation. The apportionment model of the pollution determined the contribution of each one of identified pollution factors to the total concentration of each one of the water quality parameters.
PL
Dwie główne metody analizy danych środowiskowych (analiza skupień (CA) i analiza składowych głównych (PCA)) zastosowano do statystycznej oceny jakości wód transgranicznej rzeki Tundja. W badaniach wykorzystano dane otrzymane z monitoringu długookresowego. Próbki pobrano w 26 miejscach i scharakteryzowano za pomocą 12 parametrów fizykochemicznych. Pogrupowanie tych parametrów ze względu na 3 wskaźniki chemiczne pozwoliło na zbudowanie 3 głównych klastrów: pierwszy z nich pokazuje wpływ źródeł antropogennych, drugi - wpływ rolnictwa i działalności rolniczej, a trzeci opisuje rolę parametrów fizycznych i zanieczyszczeń środowiska miejskiego na jakość wody. W celu lepszej oceny danych monitoringowych zastosowano PCA, co pozwoliło na identyfikację czterech ukrytych czynników. Dwa z nich - czynnik „miejskie odpady” i czynnik „rolnictwo” - odpowiadają niemal w całości klastrom 3 i 2 z poprzedniej analizy statystycznej. Trzeci czynnik, nazwany „odpadami przemysłowymi”, ukazuje specyficzne zmiany sezonowe w systemie rzecznym. Ostatni czynnik opisuje reakcję wody i jest określany jako czynnik „kwasowość”. Powiązania pomiędzy miejscami pobierania próbek wzdłuż przepływu oceniono za pomocą CA. Wskazano istnienie dwóch klastrów z separacją przestrzenną „upstream-downstream”. Model podziału zanieczyszczeń określał wkład każdego ze zidentyfikowanych czynników zanieczyszczeń w całkowitym stężeniu każdego z parametrów jakościowych wody.
9
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Two major environmetric methods (Cluster analysis (CA) and Principal components analysis (PCA)) were applied for statistical assessment of the water quality of trans-border river Tundja. The study used long-term monitoring data from 26 sampling sites characterized by 12 physicochemical parameters. Clustering of chemical indicators results in 3 major clusters: the first one shows the impact of anthropogenic sources, the second - the impact of agriculture and farming activities and the last one describes the role of the physical parameters on the water quality and also the impact of urban wastes. For better assessment of the monitoring data, PCA was implemented, which identified four latent factors. Two of them - "urban wastes" factor and "agriculture" factor correspond almost entirely to clusters 3 and 2 from the previous statistical analysis. The third one, named "industrial wastes" factor, reveals a specific seasonal behavior of the river system. The last latent factor describes the active reaction of the water body and is determined as "acidity" factor. The linkage of the sampling sites along the river flow by CA formed two clusters with the spatial "upstream-downstream" separation. The apportionment model of the pollution determined the contribution of each one of identified pollution factors to the total concentration of each one of the water quality parameters.
PL
Dwie główne metody analizy danych środowiskowych (analiza skupień (CA) i analiza składowych głównych (PCA)) zastosowano do statystycznej oceny jakości wód transgranicznej rzeki Tundja. W badaniach wykorzystano dane otrzymane z monitoringu długookresowego. Próbki pobrano w 26 miejscach i scharakteryzowano za pomocą 12 parametrów fizykochemicznych. Pogrupowanie tych parametrów ze względu na 3 wskaźniki chemiczne pozwoliło na zbudowanie 3 głównych klastrów: pierwszy z nich pokazuje wpływ źródeł antropogennych, drugi - wpływ rolnictwa i działalności rolniczej, a trzeci opisuje rolę parametrów fizycznych i zanieczyszczeń środowiska miejskiego na jakość wody. W celu lepszej oceny danych monitoringowych zastosowano PCA, co pozwoliło na identyfikację czterech ukrytych czynników. Dwa z nich - czynnik "miejskie odpady" i czynnik "rolnictwo" - odpowiadają niemal w całości klastrom 3 i 2 z poprzedniej analizy statystycznej. Trzeci czynnik, nazwany "odpadami przemysłowymi", ukazuje specyficzne zmiany sezonowe w systemie rzecznym. Ostatni czynnik opisuje reakcję wody i jest określany jako czynnik "kwasowość". Powiązania pomiędzy miejscami pobierania próbek wzdłuż przepływu oceniono za pomocą CA. Wskazano istnienie dwóch klastrów z separacją przestrzenną "upstream-downstream". Model podziału zanieczyszczeń określał wkład każdego ze zidentyfikowanych czynników zanieczyszczeń w całkowitym stężeniu każdego z parametrów jakościowych wody.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.