background image

 
 

 

dr Dušan Bogdanov 

 

Ekonometria 1 

 
  

Wykład 1 

Kategorie ekonomiczne jako zmienne w badaniach ekonometrycznych

1

 

 

Ź

ródłosłów  nazwy  ekonometria  pochodzi  od  greckich słów  iokonomia  (administracja,  gospodarka) 

oraz metron (miara). Termin ekonometria w dzisiejszym znaczeniu po raz pierwszy pojawił si

ę

 w pracy 

norweskiego  statystyka  i  ekonometryka  Ragnara  Frischa  „Sur  un  probleme  d’economie  purre” 

(1926 r.).  Jest  szereg  definicji  ekonometrii  jako  nauki.  Jedn

ą

  z  nich  jest  definicja  Oskara  Langego: 

„Ekonometria  to  nauka  zajmuj

ą

ca  si

ę

  ustalaniem  za  pomoc

ą

  metod  statystycznych  konkretnych 

ilo

ś

ciowych prawidłowo

ś

ci zachodz

ą

cych w 

Ŝ

yciu gospodarczym…. Ekonometria ł

ą

czy ze sob

ą

 teori

ę

 

ekonomii  oraz  statystyk

ę

  ekonomiczn

ą

  i  stara  si

ę

  za  pomoc

ą

  metod  statystyczno-ekonomicznych 

nada

ć

  konkretny  ilo

ś

ciowy  wyraz  ogólnym,  schematycznym  prawidłowo

ś

ciom  ustalonym  przez  teori

ę

 

ekonomii”

2

. Nieco inaczej ekonometri

ę

 opisuje Artur Goldberger: „Ekonometria mo

Ŝ

e by

ć

 zdefiniowana 

jako nauka społeczna,  w której narz

ę

dzia teorii ekonomii, matematyki i wnioskowania statystycznego 

s

ą

  wykorzystywane  do  analizy  zjawisk  ekonomicznych.  Jej  głównym  celem  jest  wyposa

Ŝ

enie  teorii 

ekonomii  w  tre

ść

  empiryczn

ą

3

.  Zbie

Ŝ

na  z  powy

Ŝ

szymi  jest  definicja  Zbigniewa  Pawłowskiego 

„Ekonometria jest nauk

ą

 o metodach badania ilo

ś

ciowych prawidłowo

ś

ci wyst

ę

puj

ą

cych w zjawiskach 

ekonomicznych, 

za 

pomoc

ą

 

odpowiednio 

wyspecjalizowanego 

aparatu 

matematyczno-

statystycznego”

4

 

Ekonometria  jest  stosunkowo  młod

ą

  dyscyplin

ą

  naukow

ą

,  pojawiła  si

ę

  na  przełomie  lat 

dwudziestych  i  trzydziestych  XX  wieku.  Pierwsze  badania  typu  ekonometrycznego  pojawiły  si

ę

                   

po  I Wojnie 

Ś

wiatowej  w  USA  na  uniwersytecie  w  Harvardzie,  a  ich  problematyka  dotyczyła  głównie 

przebiegu  cykli  koniunkturalnych.  Twórc

ą

  tych  pierwszych  metod  ekonometrycznych  i  nowego 

sposobu  analizy  zjawisk  ekonomicznych  był  W.  M.  Pearson.  Tradycyjna  metodologia  ekonometrii 

wi

ąŜ

e  si

ę

  z  pracami  Komisji  Cowlesa  ds.  Bada

ń

  w  Ekonomii,  utworzonej  w  Chicago  w  1932 r.                  

W  Komisji  tej  pracowali  tacy  wybitni  naukowcy  jak  Trygve  Haavelmo  (Nobel  1989),  Leonid  Hurwicz, 

Lawrence  Klein  (Nobel  1980),  Tjalling  C.  Koopmans  (Nobel  1975)  i  Abraham  Wald.  W  tym  czasie             

w  Europie  Ragnar  Frisch  i  Jan  Tinbergen,  nobli

ś

ci  w  dziedzinie  ekonometrii  z  1969 r.,  prowadzili 

badania dotycz

ą

ce analizy szeregów czasowych

5

Pierwszym polskim naukowcem szeroko wprowadzaj

ą

cym metody matematyczne do ekonomii był 

Oskar  Lange.  Przedstawiał  zarówno  mo

Ŝ

liwo

ś

ci  bada

ń

  i  analiz  na  podstawie  modeli 

ekonometrycznych  (ekonometria  w  w

ęŜ

szym  sensie),  jak  stosowania  modeli  optymalizacyjnych                

w  podejmowaniu  decyzji  gospodarczych.  Praca  Oskara  Lange  "Wst

ę

p  do  ekonometrii"  dotyczy 

pierwszych  obszarów  zastosowania  ekonometrii:  badania  koniunktury  gospodarczej  oraz  analizy 

rynku, zawiera te

Ŝ

 przykłady zastosowa

ń

 modeli bilansowych i optymalizacyjnych w ekonomii. Polska 

                                                 

1

 Wykład przygotowany na podstawie K. Hanusik, U. Łangowska, Modelowanie ekonometryczne procesów  

   społeczno-ekonomicznych, Uniwersytet Opolski, Opole 1994, ss.7-23 

2

 O. Lange, Wst

ę

p do ekonometrii, PWN Warszawa 1971, s.9 i nast. 

3

 A. S. Goldberger, Teoria ekonometrii, PWE Warszawa 1975, s.15 

4

 Z. Pawłowski, Ekonometria, PWN Warszawa 1972, s.17 

5

 W. W. Charemza, D. F. Deadman, Nowa ekonometriia, PWE, Warszawa 1997, s. 16 i nast. 

background image

 
 

 

dr Dušan Bogdanov 

 

Ekonometria 1 

 
  

szkoła  ekonometryczna  rozwijała  si

ę

  dzi

ę

ki  pracom  Oskara  Lange,  Zdzisława  Hellwiga,  Zbigniewa 

Pawłowskiego i Władysława Welfe. 

Na  dynamiczny  rozwój  ekonometrii  wpływ  miały:  wzrastaj

ą

ca  dost

ę

pno

ść

  danych  ekonomicznych 

(sprawozdawczo

ść

,  cz

ę

sto  obowi

ą

zkowa,  wymagana  przez  ustawodawc

ę

),  potrzeba  metodycznej              

ś

cisłej  analizy  danych,  rozwój  statystyki  matematycznej,  zastosowanie  komputerów  w  obliczeniach 

statystycznych. 

 

1.1 . Opis kategorii ekonomicznych zmiennymi ilo

ś

ciowymi 

Zastosowanie metod ekonometrycznych w badaniach ekonomicznych wymaga nadania charakteru 

ilo

ś

ciowego  kategoriom  ekonomicznym.  Z  punktu  widzenia  sposobu  i  łatwo

ś

ci  opisu  kategorii 

ekonomicznych  za  pomoc

ą

  zmiennych  ilo

ś

ciowych  mo

Ŝ

na  wyró

Ŝ

ni

ć

  kategorie  ekonomiczne 

ewidencyjne  i  kategorie  ekonomiczne  konceptualne.  Kategorie  ewidencyjne  maj

ą

  swoje  fizyczne 

odniesienia,  na  przykład  liczba  wyprodukowanych  detali,  ilo

ść

  zatrudnionych,  warto

ść

  inwestycji, 

dochody  gospodarstw  domowych  itp.  Kategorie  ewidencyjne  s

ą

  wi

ę

c  łatwo  mierzalne.  Natomiast 

kategorie  konceptualne  odnosz

ą

  si

ę

  do  zjawisk  jako

ś

ciowych  takich  jak  rynek,  poziom 

Ŝ

ycia, 

u

Ŝ

yteczno

ść

,  konkurencja  itp.  Kategorie  tego  typu  nie  maj

ą

  zwykle  jednoznacznie  okre

ś

lonego  pola 

znaczeniowego. 

W  zale

Ŝ

no

ś

ci  od  potrzeb,  celu  bada

ń

,  budowane  s

ą

  i  wprowadzane  definicje,  ułatwiaj

ą

ce  ich 

kwantyfikacj

ę

, podporz

ą

dkowane najcz

ęś

ciej celowi bada

ń

. Wiele jest tak

Ŝ

e konceptualnych kategorii 

ekonomicznych,  dla  których  nie  istniej

ą

  konkretne  zasady  pomiaru.  Mamy  tu  do  czynienia  z  jednym              

z  istotniejszych  problemów  ekonomii  jako  nauki,  polegaj

ą

cym  na  braku  jednoznacznych, 

kwantyfikowalnych definicji szeregu wa

Ŝ

nych kategorii ekonomicznych. 

Mierzenie  wielko

ś

ci ekonomicznych jest  zwi

ą

zane  z identyfikacj

ą

 procesów realnych, a  wi

ę

c  z ich 

opisem  i  analiz

ą

.  Dotyczy  ono  zatem  przepływów  i  przetwarzania  przepływów  zasobów,  które                     

w trakcie produkcji, cyrkulacji, wymiany  i konsumpcji zmieniaj

ą

: kształt,  wymiary,  własno

ś

ci,  warto

ść

liczno

ś

ci,  rozmieszczenie  w  przestrzeni  i  czasie.  Utworzone,  w  wyniku  mierzenia  kategorii 

ekonomicznych,  zmienne  ilo

ś

ciowe  stanowi

ą

  odzwierciedlenie  zasobów,  to  jest  wielko

ś

ci 

charakteryzuj

ą

cych  stan  badanych  zjawisk  w  okre

ś

lonym  momencie  lub  strumieni,  to  jest  wielko

ś

ci 

obrazuj

ą

cych przebieg zjawiska w czasie. 

Rozwa

Ŝ

my  przykładowo  sposoby  przedstawiania  w  postaci  zmiennych  ilo

ś

ciowych  wybranych 

kategorii i procesów ekonomicznych. 

Produkcja. Przez produkcj

ę

 rozumiemy proces wytwarzania dóbr i usług. Jedn

ą

 z najistotniejszych 

charakterystyk produkcji jest jej poziom. Wielko

ść

 produkcji mo

Ŝ

na mierzy

ć

 ilo

ś

ci

ą

 wyprodukowanych 

wyrobów  b

ą

d

ź

  usług.  W  takim  uj

ę

ciu  wielko

ść

  produkcji  wyra

Ŝ

a  si

ę

  w  jednostkach  naturalnych 

(tonach,  sztukach  itp.).  Ten  sposób  podej

ś

cia  do  pomiaru  ilo

ś

ciowego  produkcji  jest  mo

Ŝ

liwy  jedynie        

w  przypadku  produkcji  jednorodnej,  to  jest  nie  zmieniaj

ą

cej  swych  wła

ś

ciwo

ś

ci  w  danym  okresie.           

Przy  produkcji  niejednorodnej  niemo

Ŝ

liwe  jest  wyra

Ŝ

enie  jej  w  jednostkach  naturalnych.  Najcz

ęś

ciej 

stosowanym rozwi

ą

zaniem jest wtedy wprowadzanie warto

ś

ciowych mierników produkcji, to jest miar 

przeliczeniowych,  zwanych  cz

ę

sto  umownymi.  Warto

ść

  powstaje  przez  pomno

Ŝ

enie  ilo

ś

ci 

background image

 
 

 

dr Dušan Bogdanov 

 

Ekonometria 1 

 
  

wytworzonych w danym okresie wyrobów przez ich ceny. Warto

ś

ciowe wyra

Ŝ

anie wielko

ś

ci produkcji 

stwarza mo

Ŝ

liwo

ś

ci prowadzenia analiz porównawczych w czasie i przestrzeni, agregowania produkcji 

w ramach przedsi

ę

biorstw, bran

Ŝ

 czy gał

ę

zi gospodarki. 

 

U

Ŝ

yteczno

ść

  mierników  warto

ś

ciowych,  mo

Ŝ

liwo

ść

  prawidłowego  ich  wykorzystania  w  badaniach 

ekonomicznych  jest  silnie  uzale

Ŝ

niona  od  istniej

ą

cego  w  danej  gospodarce  systemu  cen,  od  skali 

inflacji  itp.  W  wielu  przypadkach,  szczególnie  przy  przedstawianiu  dynamiki  zjawisk  gospodarczych, 

stosuje si

ę

 ceny stałe, gwarantuj

ą

ce porównywalno

ść

 danych. 

Kategoria  produkcji mo

Ŝ

e  by

ć

  wyra

Ŝ

ana  jako  produkcja  globalna,  czysta  czy  towarowa. Wielko

ś

ci 

te ró

Ŝ

ni

ą

 si

ę

 zakresem merytorycznym i stosowane s

ą

 do przedstawiania ró

Ŝ

nych aspektów procesów 

gospodarowania.  I  tak,  produkcja  globalna  definiowana  jest  jako  suma  warto

ś

ci  wytworzonych                  

w  danym  okresie  wyrobów  i  usług.  Ogólnie  na  produkcj

ę

  globaln

ą

  składa  si

ę

  tak  zwana  warto

ść

 

przeniesiona,  jak  i  warto

ść

  nowo  wytworzona,  co  oznacza, 

Ŝ

e  tworz

ą

  warto

ść

  produkcji  globalnej 

nakłady  poniesione  na  płace  w  danym  okresie,  warto

ść

  zu

Ŝ

ytych 

ś

rodków  trwałych  i  narz

ę

dzi, 

surowców itp. W innym uj

ę

ciu produkcja globalna jest sum

ą

 warto

ś

ci wytworzonych w danym okresie 

wyrobów gotowych, usług i salda produkcji w toku. 

 

Kolejnym  miernikiem  produkcji  jest  produkcja czysta,  któr

ą

  definiuje  si

ę

  jako  sum

ę

  warto

ś

ci  nowo 

wytworzonej w danym okresie w skali przedsi

ę

biorstwa, w skali gał

ę

zi czy całej gospodarki. Produkcj

ę

 

czyst

ą

 liczy si

ę

 jako ró

Ŝ

nic

ę

 produkcji globalnej i kosztów materialnych, a wi

ę

c wyra

Ŝ

a w jednostkach 

warto

ś

ciowych. Analogiczna do produkcji czystej jest kategoria warto

ś

ci dodanej. 

Ponadto  do  przedstawiania  produkcji  stosowany  jest  miernik  produkcji  sprzedanej  (towarowej). 

Miernik ten ró

Ŝ

ni si

ę

 od produkcji globalnej o saldo zapasów produktów gotowych i tym, 

Ŝ

e nie zawiera 

w sobie warto

ś

ci produkcji w toku. 

 

W

ś

ród  innych  mierników  produkcji  mo

Ŝ

na  wymieni

ć

  produkcj

ę

  ko

ń

cow

ą

,  produkcj

ę

  dodan

ą

produkcj

ę

 w toku itd. 

Czynniki produkcji. Ka

Ŝ

da działalno

ść

 gospodarcza wymaga zaanga

Ŝ

owania maszyn, urz

ą

dze

ń

narz

ę

dzi,  surowców,  materiałów,  półfabrykatów,  musi  odbywa

ć

  si

ę

  w  okre

ś

lonym  miejscu,  cz

ę

sto 

wymagane  jest  zabezpieczenie  przed  wpływami  atmosferycznymi.  Ponadto  w  procesach 

gospodarowania  zaanga

Ŝ

owana  jest  odpowiednio  wykwalifikowana  siła  robocza.  Procesy  te  musz

ą

 

by

ć

  odpowiednio  zorganizowane  i  przebiega

ć

  według  okre

ś

lonych  wymogów  technologicznych. 

Rezultatem  procesów  transformacji  czynników  produkcji  mog

ą

  by

ć

  wyroby  gotowe,  półfabrykaty, 

surowce,  czyli  produkty  materialne,  wtedy  mówimy  o  procesach  produkcji.  Działalno

ść

  gospodarcza 

polegaj

ą

ca  na  wykonywaniu  czynno

ś

ci  zaspokajaj

ą

cych  potrzeby  jest  nazywana  działalno

ś

ci

ą

 

usługow

ą

,  a  działalno

ść

  gospodarcza  polegaj

ą

ca  na  dystrybucji  dóbr  i  usług  to  handel  i  transport.              

Z  ka

Ŝ

dym  z  wymienionych  rodzajów  działalno

ś

ci  gospodarczej  zwi

ą

zana  jest  odpowiednia  grupa 

czynników wytwórczych. 

 

Zu

Ŝ

ycie rzeczowych czynników produkcji, wyra

Ŝ

one warto

ś

ciowo, stanowi miernik zaanga

Ŝ

owania 

tych  czynników  w  danym  procesie  produkcyjnym.  W  przypadku  przedmiotów  pracy  ich  warto

ść

 

jednorazowo  i  w  cało

ś

ci  wchodzi  do  warto

ś

ci  wytwarzanego  wyrobu.  Inaczej  jest  ze 

ś

rodkami 

produkcji, które mog

ą

 by

ć

 u

Ŝ

ytkowane w wielu cyklach produkcyjnych. W takim przypadku do warto

ś

ci 

background image

 
 

 

dr Dušan Bogdanov 

 

Ekonometria 1 

 
  

nowo  wytworzonego  wyrobu  mo

Ŝ

e  by

ć

  zaliczana  tylko  cz

ęść

  warto

ś

ci  danego 

ś

rodka  produkcji. 

Miernikiem  pozwalaj

ą

cym  na  uwzgl

ę

dnianie  tego  stopniowego  zu

Ŝ

ywania  si

ę

  maszyn  i  urz

ą

dze

ń

budynków,  budowli  itp.  jest  ich  amortyzacja.  Jest  to  miara  warto

ś

ci 

ś

rodków  trwałych  przeniesionych  

w procesie produkcji na nowy produkt. 

Znacznie  bardziej  skomplikowane  i  niejednoznaczne  jest  mierzenie  nakładów  pracy 

wydatkowanych  w  procesach  gospodarowania.  Praca  ludzka  jest,  bowiem  bardzo  niejednorodna, 

ludzie  maj

ą

  ró

Ŝ

ne  kwalifikacje,  pracuj

ą

  z  ró

Ŝ

nym  nat

ęŜ

eniem  i  w  ró

Ŝ

nych  warunkach.  W  ekonomii 

wykształciły  si

ę

  dwa  podstawowe  sposoby  mierzenia  pracy,  abstrahuj

ą

ce  w  du

Ŝ

ym  stopniu  od  jej 

zró

Ŝ

nicowania. Jednym sposobem jest mierzenie nakładów pracy ilo

ś

ci

ą

 przepracowanych jednostek 

czasu,  natomiast  drugim  sposobem  jest  wyra

Ŝ

anie  nakładów  pracy  kosztami  poniesionymi                       

na  opłacenie  zatrudnionych  pracowników.  Przy  tym  nakłady  pracy  odnosi  si

ę

  b

ą

d

ź

  do  produktu 

globalnego,  b

ą

d

ź

  do  jednostki  produkcji.  Do  wyra

Ŝ

ania  nakładów  pracy,  jak  i  efektów  procesu 

produkcji stosuje si

ę

 jednostki naturalne lub warto

ś

ciowe. 

Pozostałe  czynniki  produkcji,  do  których  zalicza  si

ę

  na  przykład  rodzaj  stosowanej  technologii               

i  organizacji  pracy,  nale

Ŝą

  do  niemierzalnych  i  w  sposób  po

ś

redni  wyra

Ŝ

aj

ą

  si

ę

  w  ilo

ś

ci  i  jako

ś

ci 

zastosowanych 

ś

rodków produkcji i zaanga

Ŝ

owanej siły roboczej. 

Podstawowe  mierniki  produktu  i  dochodu  narodowego.  Produkt  krajowy  brutto  w  danym 

okresie  stanowi  sum

ę

  wydatków  na  konsumpcj

ę

,  wydatków  na  inwestycje  oraz  wydatków  rz

ą

du                  

i  władz  lokalnych  na  dobra  i  usługi  finalne.  Jest  on  warto

ś

ciow

ą

  miar

ą

  wielko

ś

ci  produkcji  i  usług 

wytworzonych przez czynniki produkcji w danym kraju wyra

Ŝ

on

ą

 w bie

Ŝą

cych cenach rynkowych. 

Produkt  narodowy  brutto  jest  sum

ą

  produktu  krajowego  brutto,  dochodów  netto  z  kapitału 

zainwestowanego  za  granic

ą

  oraz  salda  handlu  zagranicznego.  Stanowi  on  miernik  całkowitych 

dochodów osi

ą

ganych przez ludno

ść

 danego kraju niezale

Ŝ

nie od miejsca zaanga

Ŝ

owania czynników 

produkcji b

ę

d

ą

cych jej własno

ś

ci

ą

Produkt  narodowy  netto  ró

Ŝ

ni  si

ę

  od  produktu  narodowego  brutto  o  warto

ść

  amortyzacji 

przeznaczonej na inwestycje odtworzeniowo-modernizacyjne. Jest on miar

ą

 zasobów pieni

ę

dzy, jakie 

s

ą

  do  dyspozycji  w  danej  gospodarce  na  wydatki  na  dobra  i  usługi  konsumpcyjne  oraz  inwestycyjne 

przeznaczone na zwi

ę

kszenie istniej

ą

cego maj

ą

tku produkcyjnego. 

Dochód  narodowy  obliczany  według  cen  czynników  wytwórczych  jest  ró

Ŝ

nic

ą

  produktu 

narodowego netto i warto

ś

ci podatków po

ś

rednich. Jest to miara wynagrodze

ń

 kapitału, ziemi i pracy, 

stanowi zatem sum

ę

 zysków, procentów, rent, dywidend i płac. 

Przedstawione  wy

Ŝ

ej  mierniki  dotycz

ą

  kategorii  ekonomicznych  ewidencyjnych.  Zdecydowanie 

wi

ę

cej  problemów  nastr

ę

cza  badanie  i  mierzenie  kategorii  konceptualnych.  Rozwa

Ŝ

my  przykładowo 

mieszcz

ą

c

ą

 si

ę

 w tej grupie, jedn

ą

 z istotniejszych dla opisu procesów konsumpcji, kategori

ę

 poziomu 

Ŝ

ycia ludno

ś

ci. 

Poziom 

Ŝ

ycia.  Poziom 

Ŝ

ycia  definiowany  jest  najcz

ęś

ciej  przez  zajmuj

ą

cych  si

ę

  t

ą

  problematyk

ą

 

badaczy  jako  poziom  zaspokojenia  potrzeb  w  okre

ś

lonym  momencie,  a  wi

ę

c  jako  poziom  i  struktura 

background image

 
 

 

dr Dušan Bogdanov 

 

Ekonometria 1 

 
  

spo

Ŝ

ycia dóbr i usług

6

Globalny  zakres  czy  poziom  spo

Ŝ

ycia  mog

ą

  by

ć

  przedstawiane  na  przykład  w  formie  ilo

ś

ci                    

i struktury dóbr i usług  przekazanych  na  zaspokojenie potrzeb  ludno

ś

ci  w ustalonej jednostce czasu. 

Wymaga to wi

ę

c badania w skali makroekonomicznej tych kategorii ekonomicznych, które warunkuj

ą

                

i  odzwierciedlaj

ą

  konsumpcj

ę

  społecze

ń

stwa.  Zatem  bezpo

ś

rednie  czy  te

Ŝ

  po

ś

rednie  informacje                

o spo

Ŝ

yciu zawieraj

ą

 mi

ę

dzy innymi takie kategorie, jak: 

 

produkcja globalna (wielko

ść

, a zwłaszcza struktura gał

ę

ziowa produkcji globalnej),  

 

dochód  narodowy  (poziom  i  struktura  gał

ę

ziowa  dochodu  narodowego  wytworzonego                      

i podzielonego), 

 

podział ostateczny dochodu narodowego, 

 

sprzeda

Ŝ

 detaliczna (poziom i struktura sprzeda

Ŝ

y detalicznej),  

 

spo

Ŝ

ycie (poziom i struktura funduszu konsumpcji) itp. 

W ten sposób poziom 

Ŝ

ycia mo

Ŝ

na identyfikowa

ć

  ze  stopniem zaspokojenia potrzeb materialnych             

i  kulturalnych  społecze

ń

stwa,  poprzez  strumie

ń

  dóbr  i  usług  nabywanych  na  rynku  oraz  poprzez 

strumie

ń

  dóbr,  a  zwłaszcza  usług  zawartych  w  ramach  funduszu  konsumpcji  zbiorowej,  w  danej 

jednostce  czasu  i  przestrzeni.  Natomiast  nie  znany  jest  wtedy  aspekt  efektywno

ś

ciowy  spo

Ŝ

ycia,  nie 

wiadomo bowiem jak silna jest akceptacja konsumowanych dóbr i usług, jaki jest stopie

ń

 zadowolenia 

z konsumpcji oraz czy konsumpcja odpowiada na przykład normom zdrowotnym itp. 

Ponadto  wiele  problemów  pojawia si

ę

 przy sporz

ą

dzaniu  pomiarów struktury i  nat

ęŜ

enia strumieni 

dóbr oraz usług przekazywanych do konsumpcji. Z reguły badaniami obejmowa

ć

 mo

Ŝ

na te grupy dóbr 

materialnych  i  usług,  które  s

ą

  przedmiotem  oficjalnej  ewidencji.  Poza  tym  pomiary  stopnia 

zaspokojenia  potrzeb  ludno

ś

ci  mog

ą

  dotyczy

ć

  takich  grup  potrzeb,  dla  których  udaje  si

ę

  okre

ś

li

ć

 

normy spo

Ŝ

ycia, dla przykładu s

ą

 to normy wy

Ŝ

ywienia, wzorce zu

Ŝ

ycia odzie

Ŝ

y itp. 

Z kolei mierzenie  zaspokojenia potrzeb  wy

Ŝ

szego rz

ę

du, społecznych,  wyuczonych  wywołuje  inne 

problemy. W tym przypadku zwykle nie udaje si

ę

 skonstruowa

ć

 okre

ś

lonego wzorca spo

Ŝ

ycia, głównie 

dlatego, 

Ŝ

e  istnieje  zbyt  wiele  indywidualnych  sposobów  zaspokojenia  poszczególnych  grup  tych 

potrzeb.  Ustalanie  stopnia  akceptacji  procesu konsumpcji musi  polega

ć

  na  bezpo

ś

redniej  obserwacji 

rodzaju  i  ilo

ś

ci  dóbr  czy  usług  zu

Ŝ

ywanych  przez  konsumenta  oraz  identyfikacji  ich  u

Ŝ

yteczno

ś

ci              

dla  konsumenta.  Wymaga  to  stosowania  specyficznych  technik  zbierania  informacji,  a  mianowicie 

ankiet,  wywiadów  czy  sonda

Ŝ

y.  To  z  reguły  prowadzi  do  ograniczenia  bada

ń

  do  cz

ęś

ci  zbiorowo

ś

ci. 

Powstaj

ą

 te

Ŝ

 trudno

ś

ci z konstruowaniem miar u

Ŝ

yteczno

ś

ci itp. 

Poziom 

Ŝ

ycia jest wobec tego kategori

ą

, której wieloaspektowo

ść

 bardzo utrudnia pomiary. 

W  empirycznych  badaniach  poziomu 

Ŝ

ycia  ludno

ś

ci  przyjmuje  si

ę

  zwykle  zało

Ŝ

enie  o  istnieniu 

mo

Ŝ

liwo

ś

ci  statystycznego  pomiaru  rzeczywistego  stopnia  zaspokojenia  potrzeb  ludzi.  W  oparciu                

o  oficjaln

ą

  statystyk

ę

  mo

Ŝ

na  jednak  ustali

ć

  jedynie  niektóre  elementy  poziomu 

Ŝ

ycia  czy  elementy 

warunków  bytowych ludno

ś

ci. W wi

ę

kszo

ś

ci  przypadków ocena stanu  zaspokojenia potrzeb  wymaga 

zbadania  subiektywnych  odczu

ć

  jednostek  konsumuj

ą

cych.  Natomiast  odpowiednie  techniki 

badawcze s

ą

 tak kosztowne, 

Ŝ

e mog

ą

 by

ć

 stosowane jedynie w sposób reprezentatywno-losowy. 

                                                 

6

 A. Luszniewicz, Statystyka społeczna, PWE, Warszawa 1978, s. 9-15 

background image

 
 

 

dr Dušan Bogdanov 

 

Ekonometria 1 

 
  

W badaniach poziomu 

Ŝ

ycia, przeprowadzanych w skali mikrospołecznej, za podstawow

ą

 jednostk

ę

 

obserwacji  przyjmowane  jest  gospodarstwo  domowe.  A  społeczno-ekonomiczne  cele  tej  jednostki 

konsumuj

ą

cej  staj

ą

  si

ę

  punktem  wyj

ś

cia  przy  konstruowaniu  zbioru  mierników  -  reprezentuj

ą

cych 

poszczególne  klasy  potrzeb  zwi

ą

zanych  z  funkcjonowaniem  gospodarstwa  domowego.  Podej

ś

cie 

makrospołeczne ró

Ŝ

ni si

ę

 od poprzedniego tym, 

Ŝ

e jednostk

ą

 obserwacji jest pojedynczy konsument. 

Ponadto  badaniami  w  tym  przypadku  obejmowana  jest  pełna  zbiorowo

ść

  konsumentów,                       

a ich przedmiotem s

ą

 głównie czynniki warunkuj

ą

ce poziom 

Ŝ

ycia. 

Aby zmierzy

ć

 stopie

ń

 zaspokojenia potrzeb według wybranej ich klasyfikacji konieczne jest, jak ju

Ŝ

 

wspomniano,  ustalenie  mierników  -  reprezentuj

ą

cych  ka

Ŝ

d

ą

  grup

ę

  potrzeb  i  ich  hierarchi

ę

.  Jest  to 

problem  zło

Ŝ

ony  i  w  badaniach  poziomu 

Ŝ

ycia  uznawany  za  podstawowy.  Zbiór  mierników, 

reprezentantów  poziomu 

Ŝ

ycia  mo

Ŝ

e  charakteryzowa

ć

  dowolna  szczegółowo

ść

.  Nie  istniej

ą

  takie 

obiektywne  procedury  doboru  grupy  mierników,  które  w  sposób  jednoznaczny  reprezentowałyby 

kategori

ę

  poziomu 

Ŝ

ycia,  ze  wzgl

ę

du  na  wyró

Ŝ

nione  klasy  potrzeb.  Nie  bez  znaczenia  jest  jednak 

istniej

ą

ce  ograniczenie  praktyczne,  to  jest  dost

ę

pno

ść

  danych  statystycznych.  Pewn

ą

  propozycj

ę

 

zestawu mierników słu

Ŝą

cych do opisu poziomu 

Ŝ

ycia zawiera tzw. metoda genewska, znana równie

Ŝ

 

pod  nazw

ą

  metody  dystansów

7

.  Metoda  ta  jest  sposobem  oceny  stopnia  zaspokojenia  potrzeb 

grupowych  lub  indywidualnych.  Zakłada  si

ę

  w  tej  metodzie  mo

Ŝ

liwo

ść

  pomiaru  osi

ą

gni

ę

tych  efektów 

jako

ś

ciowych  i  ilo

ś

ciowych  procesu  spo

Ŝ

ycia.  U  podstaw  metody  znajduje  si

ę

  zało

Ŝ

enie  o  pełnej 

obserwacji wszystkich grup potrzeb materialnych i kulturowych oraz obserwacji cz

ęś

ciowej wybranych 

celowo  mierników  wyró

Ŝ

nionych  grup  potrzeb. W metodzie  genewskiej  skonstruowany  został  zestaw 

19 mierników reprezentuj

ą

cych poziom 

Ŝ

ycia, poł

ą

czonych w 7 klas: 

 

wy

Ŝ

ywienie, 

 

mieszkanie, 

 

ochrona zdrowia, 

 

wykształcenie, 

 

rekreacja, 

 

zabezpieczenia społeczne, 

 

zagospodarowanie materialne (por. tabela 1). 

 

Mierniki  kategorii  grup  potrzeb  zamieszczone  w  tabeli  1  dotycz

ą

  bada

ń

  prowadzonych  w  latach 

1968-1971,  widzimy, 

Ŝ

e  gdyby  badania  były  prowadzone  aktualnie,  przy  zachowaniu  grup  potrzeb, 

zbiór  mierników  byłby  inny,  np.  liczba  aparatów  radiowych  i  telewizyjnych,  liczba  abonentów 

telewizyjnych  nie 

ś

wiadczy  o  jako

ś

ci  rekreacji.  Wskazuje  si

ę

  na  znaczenie 

ś

rodowiska  naturalnego             

Ŝ

yciu  człowieka  czy  bezpiecze

ń

stwa.  Opis  kategorii  zło

Ŝ

onych  zmiennymi  ilo

ś

ciowymi  jest  wi

ę

bardzo zale

Ŝ

ny od celu bada

ń

, czasu i rozwa

Ŝ

anych obiektów. 

 

                                                 

7

 Andrzej Luszniewicz, Statystyka społeczna, PWE, Warszawa 1978, s. 40 i dalsze 

background image

 
 

 

dr Dušan Bogdanov 

 

Ekonometria 1 

 
  

Tabela  1.  Mierniki  -  reprezentanty  syntetycznego  wska

ź

nika  poziomu 

Ŝ

ycia  ludno

ś

ci  Polski                 

w latach 1968-1971 

Grupy potrzeb 

Wersja UNRISD

*

 zbioru 

mierników 

Wersja polska zbioru mierników 

Wy

Ŝ

ywienie 

1. zapotrzebowanie kaloryczne 
organizmu 
2. spo

Ŝ

ycie białka na osob

ę

 dziennie 

3. udział w po

Ŝ

ywieniu kalorii nie 

pochodz

ą

cych ze skrobi  

1.bez zmian 

 

2. bez zmian 
3. spo

Ŝ

ycie białka zwierz

ę

cego na 

osob

ę

 dziennie 

Mieszkanie 

1. jako

ść

 usług zapewnionych przez 

mieszkanie (kryterium wodoci

ą

gu), 

2. liczba osób na izb

ę

3. stosunek liczby mieszka

ń

 do 

liczby gospodarstw domowych 

1. bez zmian (kryterium łazienki), 

 

2. bez zmian 
3. bez zmian 

Ochrona zdrowia 

1. liczba osób na łó

Ŝ

ko szpitalne, 

2. odsetek zgonów na choroby 
zaka

ź

ne i paso

Ŝ

ytnicze 

3. odsetek zgonów osób powy

Ŝ

ej 50-

letnich 

1. bez zmian, 
 
2. współczynnik umieralno

ś

ci 

niemowl

ą

3. współczynnik zachorowalno

ś

ci na 

gru

ź

lic

ę

 

Wykształcenie 

1. stopie

ń

 solaryzacji dzieci i 

młodzie

Ŝ

y  

2. stopa wydajno

ś

ci w zakładach 

kształcenia 
3. liczba uczniów na nauczyciela 

1. bez zmian, 

 

2. bez zmian, 

 

3. bez zmian, 

Rekreacja 

1. czas wolny od pracy w skali roku, 
2. nakład czasopism na 1000 
mieszka

ń

ców 

3. liczba aparatów radiowych i 
telewizyjnych na 1000 mieszka

ń

ców 

1. bez zmian, 
2. frekwencja w teatrach i na 
koncertach na 1000 mieszka

ń

ców 

3. liczba abonentów telewizyjnych na 
1000 mieszka

ń

ców 

Zabezpieczenie 

społeczne 

1.cz

ę

stotliwo

ść

 nagłych zgonów na 1 

mln mieszka

ń

ców 

2. odsetek ludno

ś

ci o prawie do 

ś

wiadcze

ń

 z tytułu bezrobocia i 

choroby, 
3. odsetek ludno

ś

ci o prawie do rent 

i emerytur 

1. bez zmian 

 

2. odsetek ludno

ś

ci ubezpieczonej 

na wypadek choroby, 
 
3. odsetek ludno

ś

ci maj

ą

cej 

zabezpieczenie na staro

ść

 

Zagospodarowanie 

materialne 

1.nadwy

Ŝ

ka dochodów bie

Ŝą

cych (w 

walucie USA) 
 

1. bez zmian (w walucie polskiej), 
2. nadwy

Ŝ

ka dochodów z okresów 

przeszłych 

Ź

ródło: A. LuszniewiczStatystyka społecznaWarszawa 1978, s. 42. 

Instytut Bada

ń

 Rozwoju Społecznego ONZ 

 

Wykorzystuj

ą

c  dane  ilo

ś

ciowe  o  kształtowaniu  si

ę

  zjawisk  i  procesów  społeczno  -  ekonomicznych 

mo

Ŝ

na  bada

ć

  poszczególne  kategorie  czy  te

Ŝ

  ich  uwarunkowania  w  układach  przestrzennych                     

i  dynamicznych  oraz  przeprowadza

ć

  analizy  porównawcze.  Zale

Ŝ

nie  od  celu  bada

ń

  istotne  jest 

zdefiniowanie  zarówno  obserwowanego  obiektu,  jak  i  jego  cech  charakterystycznych,  obj

ę

tych 

obserwacj

ą

. Jest to problem jednoznacznego okre

ś

lenia zakresu i przedmiotu bada

ń

W  badaniach  wykorzystuj

ą

cych  dane  statystyczne  o  kształtowaniu  si

ę

  kategorii  społeczno-

ekonomicznych  nale

Ŝ

y  koniecznie  podawa

ć

  stosowane  jednostki  miary,  zakres  przestrzenny                      

i czasowy opisywanego zjawiska. 

 

background image

 
 

 

dr Dušan Bogdanov 

 

Ekonometria 1 

 
  

1.2. Układy zmiennych diagnostycznych, zmienna syntetyczna 

Do  opisu  konceptualnych  czy  te

Ŝ

  zło

Ŝ

onych  kategorii  ekonomicznych,  czyli  obiektów 

wielowymiarowych, które nie sposób opisa

ć

 przy pomocy jednej cechy, wykorzystywane s

ą

 tak zwane 

zmienne  diagnostyczne.  Dobry  zestaw  cech  słu

Ŝą

cych  do  charakterystyki  obiektów  musi  spełnia

ć

 

szereg warunków, a mianowicie: 

1.  ujmowa

ć

  konieczne  i  istotne  wła

ś

ciwo

ś

ci  badanej  zbiorowo

ś

ci  obiektów  (nale

Ŝ

y  uwzgl

ę

dnia

ć

 

jedynie cechy niezb

ę

dne), 

2.  zestawia

ć

 cechy logicznie ze sob

ą

 powi

ą

zane, zdeterminowane celem i zakresem badania, 

3.  zawiera

ć

 cechy jednoznacznie zdefiniowane i bezpo

ś

rednio lub po

ś

rednio mierzalne, 

4.  obejmowa

ć

 cechy charakteryzuj

ą

ce si

ę

 du

Ŝą

 zmienno

ś

ci

ą

 w ramach badanej zbiorowo

ś

ci, 

5.  uwzgl

ę

dnia

ć

  cechy  nieskorelowane  ze  sob

ą

  (niezale

Ŝ

ne),  a  silnie  skorelowane  z  cechami  nie 

uwzgl

ę

dnionymi w badaniu, a istotnymi dla charakterystyki badanego zjawiska. 

Dobór  cech  jest  zadaniem  dwuetapowym.  W  pierwszym  etapie,  na  podstawie  sformułowanego 

wcze

ś

niej  celu  i  zakresu  badania,  tworzy  si

ę

  mo

Ŝ

liwie  jednoznaczn

ą

  definicj

ę

  obiektu  bada

ń

                 

oraz  ustala  zakres  przestrzenny  lub  czasowy  prowadzonych  obserwacji.  W  przypadku  zło

Ŝ

onych 

kategorii,  na  przykład  poziomu 

Ŝ

ycia  ludno

ś

ci,  rynku,  wzrostu  gospodarczego,  kondycji  finansowej 

przedsi

ę

biorstwa itp., nie istnieje mo

Ŝ

liwo

ść

 wyprowadzenia z definicji kategorii jednego, cało

ś

ciowego 

miernika.  Zwykle  dokonuje  si

ę

  swoistej  dezagregacji  definicji  kategorii  konceptualnej  na  wiele 

szczegółowych,  reprezentuj

ą

cych  j

ą

  kategorii,  które  s

ą

  ju

Ŝ

  bezpo

ś

rednio  mierzalne.  Taka 

dezagregacja wymaga du

Ŝ

ej wiedzy o badanym zjawisku, cz

ę

sto konieczne jest, dla jej prawidłowego 

przeprowadzenia,  korzystanie  z  opinii  ekspertów,  prowadzenie  bada

ń

  literaturowych  itp.  W  efekcie 

powstaje  zbiór  potencjalnych  cech  diagnostycznych.  Poszczególne  zmienne  z  pierwotnego  zbioru 

zawieraj

ą

  bardzo  ró

Ŝ

ny  zakres  informacji  o  badanym  obiekcie,  a  niektóre  z  nich,  w  sensie 

statystycznym  powielaj

ą

  informacje  niesione  przez  inne  zmienne,  w  zwi

ą

zku  z  tym  nale

Ŝ

y  dokona

ć

 

redukcji zbioru potencjalnych zmiennych, pozostawiaj

ą

c te zmienne, które spełniaj

ą

 wymienione wy

Ŝ

ej 

wymagania przyjmowane dla cech diagnostycznych. 

Przeprowadzenie  redukcji  zbioru  potencjalnych  cech  diagnostycznych  wymaga  przede  wszystkim 

zebrania  szeregów  obserwacji  o  realizacjach  ka

Ŝ

dej  z  nich.  Mog

ą

  to  by

ć

  szeregi  dynamiczne,  je

Ŝ

eli 

interesuj

ą

  badacza  realizacje  cech  w  wyodr

ę

bnionym  obiekcie  w  okre

ś

lonych  momentach  czasu. 

Je

Ŝ

eli  badanie dotyczy  obiektów rozmieszczonych  w  przestrzeni, realizacje cech opisuj

ą

cych obiekty 

s

ą

  ustalane  dla  wybranego  momentu,  s

ą

  wi

ę

c  statyczne,  ale  zmienne  w  przestrzeni.  Szeregi 

obserwacji  poszczególnych  cech  mo

Ŝ

na  zapisa

ć

  w  postaci  macierzy,  której  kolumnami  s

ą

  szeregi 

realizacji  poszczególnych  zmiennych.  Wiersze  macierzy  zawieraj

ą

  wtedy  wielowymiarowe 

charakterystyki  poszczególnych  obiektów.  Macierz  t

ę

,  zwan

ą

  macierz

ą

  obserwacji,  mo

Ŝ

na  zapisa

ć

:   

(x

ij

 , (i=1,2,...n, j=1,2,...,m), gdzie n oznacza ilo

ść

 obserwacji, m ilo

ść

 zmiennych: 

 

 

 

 

background image

 
 

 

dr Dušan Bogdanov 

 

Ekonometria 1 

 
  

 

nm

n

n

m

m

x

x

x

x

x

x

x

x

x

X

...

...

...

...

...

...

...

2

1

2

22

21

1

12

11

=

 

(1.1) 

 

Ka

Ŝ

d

ą

  ze  zmiennych  nale

Ŝ

y  przede  wszystkim  podda

ć

  jako

ś

ciowej  ocenie  zawarto

ś

ci 

merytorycznej,  a  nast

ę

pnie  przeprowadzi

ć

  jej  badanie  statystyczne.  Przedmiotem  oceny  w  tym 

przypadku  powinna  by

ć

  przede  wszystkim  zmienno

ść

  cech  oraz  ich  niezale

Ŝ

no

ść

.  Dodatkowo 

powinny  by

ć

  oszacowane  parametry  opisowe  pozwalaj

ą

ce  scharakteryzowa

ć

  szeregi  realizacji 

badanych cech. 

Zmienno

ść

  cechy  mo

Ŝ

na  oceni

ć

  na  podstawie  współczynnika  zmienno

ś

ci,  natomiast  niezale

Ŝ

no

ść

 

cech bada si

ę

 w oparciu o współczynniki korelacji. 

Analiza  bezpo

ś

rednia  zale

Ŝ

no

ś

ci  korelacyjnych  dla  wi

ę

kszego  zbioru  zmiennych  jest  dosy

ć

 

kłopotliwa.  W  zwi

ą

zku  z  tym  opracowano  szereg  metod  statystycznych,  pomocnych  w  doborze 

zestawu zmiennych, spełniaj

ą

cych warunek niezale

Ŝ

no

ś

ci. 

Punktem  wyj

ś

cia  analizy  niezale

Ŝ

no

ś

ci  zmiennych  jest  zwykle  macierz  korelacji,  zawieraj

ą

ca  dla 

ka

Ŝ

dej pary cech współczynnik: korelacji [r

ij

 (i,j = 1,2,...,m)]. Jest to macierz symetryczna zawieraj

ą

ca 

jedynki na głównej przek

ą

tnej. 

 

1

...

...

...

...

...

...

1

...

1

2

1

2

21

1

12

m

m

m

m

r

r

r

r

r

r

R

=

 

(1.2) 

 

Redukcj

ę

  zbioru  wyj

ś

ciowego  do  zbioru  cech  diagnostycznych  mo

Ŝ

na  przeprowadzi

ć

  na  przykład 

metod

ą

  grafow

ą

.  U  podstaw  tej  metody  jest  zało

Ŝ

enie, 

Ŝ

e  zmienne  diagnostyczne  powinny  by

ć

 

nieskorelowane  mi

ę

dzy  sob

ą

.  Poniewa

Ŝ

  w  praktyce  nie  ma  mo

Ŝ

liwo

ś

ci  uzyskania  takiego  układu 

zmiennych, dla których r

ij

 = 0, zast

ę

puje si

ę

 ten warunek mniej rygorystycznym, a mianowicie: r

ij

 ~ 0. 

Oznacza  to,  i

Ŝ

  przyjmuje  si

ę

Ŝ

e  korelacja  mi

ę

dzy  zmiennymi  jest  dostatecznie  niska,                              

gdy charakteryzuj

ą

cy j

ą

 współczynnik korelacji mi

ę

dzy zmiennymi przyjmuje warto

ść

 nieistotnie ró

Ŝ

n

ą

 

od zera, przy danej liczbie obserwacji i zało

Ŝ

onym poziomie istotno

ś

ci. 

W  utworzonej  macierzy  korelacji  zmiennych  -  kandydatek  do  zbioru  zmiennych  diagnostycznych 

wszystkie  współczynniki  korelacji  nieistotnie  ró

Ŝ

ne  od  zera  zast

ę

puje  si

ę

  zerami,  a  pozostałe 

jedynkami. Zmodyfikowan

ą

 w ten sposób macierz korelacji traktuje si

ę

 jako macierz przyległo

ś

ci grafu, 

którego  w

ę

złami  s

ą

  zmienne.  Graf  ten  dzieli  si

ę

  nast

ę

pnie  na  podgrafy  spójne.  Zmienne 

reprezentowane  przez  wierzchołki  ka

Ŝ

dego  podgrafu  spójnego  charakteryzuj

ą

  si

ę

  istotnym 

background image

 
 

 

dr Dušan Bogdanov 

 

10 

Ekonometria 1 

 
  

skorelowaniem mi

ę

dzy sob

ą

. Zgodnie  z  zało

Ŝ

eniem omawianej metody, jako zmienne diagnostyczne 

typowane  s

ą

  reprezentantki  ka

Ŝ

dego  podgrafu.  Reprezentantk

ą

  ka

Ŝ

dego  podgrafu  jest  natomiast 

zmienna  poł

ą

czona  najwi

ę

ksz

ą

  liczb

ą

  wi

ą

zadeł  z  pozostałymi  jego  w

ę

złami.  Je

Ŝ

eli  w  podgrafie 

spójnym  jest  kilka  w

ę

złów  o  tym  samym  maksymalnym  stopniu,  to  wybiera  si

ę

  spo

ś

ród  nich  jako 

zmienn

ą

 diagnostyczn

ą

 cech

ę

 najsłabiej skorelowan

ą

 z reprezentantkami pozostałych podgrafów. 

Zbiór  zmiennych  diagnostycznych  stanowi  podstaw

ę

  do  skonstruowania  zmiennej  syntetycznej. 

Zmienna  syntetyczna  jest  tak  konstruowana, 

Ŝ

e  zast

ę

puje  zbiór  zmiennych  wyj

ś

ciowych  i  zawiera 

informacje niesione przez te zmienne. Taka zmienna, zgodnie z tym, co stwierdzono wcze

ś

niej, mo

Ŝ

by

ć

  traktowana  jako  miernik  zło

Ŝ

onej  zmiennej  konceptualnej.  Bowiem  w  wyniku  jej  dezagregacji 

powstał zbiór wyj

ś

ciowych zmiennych diagnostycznych. 

 

1.3. Zmienna syntetyczna, miara rozwoju Hellwiga 

Cz

ę

sto  w  analizach  ekonomicznych,  szczególnie  badaniach  porównawczych,  wskazane  jest,             

aby  zło

Ŝ

on

ą

 kategori

ę

 ekonomiczn

ą

,  opisan

ą

  wieloma  zmiennymi, scharakteryzowa

ć

 jedn

ą

  zmienn

ą

Mo

Ŝ

na wówczas zbudowa

ć

 na podstawie wielu zmiennych zmienn

ą

 syntetyczn

ą

Wa

Ŝ

nym  problemem,  który  nale

Ŝ

y  rozstrzygn

ąć

  przy  budowie  zmiennej  syntetycznej,  jest 

okre

ś

lenie  systemu  wag,  jaki  nale

Ŝ

y  przyj

ąć

  w  odniesieniu  do  wybranych  cech  diagnostycznych. 

Uznanie  ka

Ŝ

dej  cechy  za  jednakowo  wa

Ŝ

n

ą

  jest  równowa

Ŝ

ne  z  przyznaniem  stałych  wag  danych 

wzorem: 

m

w

j

1

=

(j=1,2,...,m).  Wagi  zró

Ŝ

nicowane  ustala  si

ę

  metod

ą

  ekspertów,  albo  przy  u

Ŝ

yciu 

procedur obliczeniowych wykorzystuj

ą

cych informacje zawarte w macierzy obserwacji. 

Warunkiem  wyznaczania  zmiennej  syntetycznej  dla  danego  układu  cech  jest  doprowadzenie 

wszystkich  wyj

ś

ciowych  cech  (zwykle  niejednorodnych)  do  porównywalno

ś

ci.  Mo

Ŝ

na  to  osi

ą

gn

ąć

              

za pomoc

ą

 klasycznej procedury standaryzacyjnej wyra

Ŝ

aj

ą

cej si

ę

 wzorami: 

 

j

j

ij

ij

d

x

x

z

=

 

(1.3) 

=

=

n

i

ij

j

x

n

x

1

1

 

(1.4) 

(

)

=

=

n

i

ij

j

x

x

n

d

1

2

1

 

(1.5) 

 

W  efekcie  powstaje  macierz  Z  cech  standaryzowanych.  Zmienne  po  standaryzacji  maj

ą

  warto

ść

 

oczekiwan

ą

 0 i wariancj

ę

 równ

ą

 1. 

Cechy  diagnostyczne  dziel

ą

  si

ę

  na  stymulanty  i  destymulanty.  Stymulantami  nazywane  s

ą

 

zmienne,  których  wzrost  warto

ś

ci  odpowiada  wzrostowi  miary  stanu  badanych  obiektów.  Zmienne, 

które nie s

ą

 stymulantami, nazywamy destymulantami. 

background image

 
 

 

dr Dušan Bogdanov 

 

11 

Ekonometria 1 

 
  

Zmienn

ą

  syntetyczn

ą

  mo

Ŝ

na  utworzy

ć

  jako 

ś

redni

ą

  cech  standaryzowanych,  wymaga  si

ę

  jednak, 

aby  wszystkie  zmienne  wchodz

ą

ce  do  syntetycznej  były  stymulantami  b

ą

d

ź

  destymulantami.                    

W metodzie tej, zwanej metod

ą

 sum standaryzowanych warto

ś

ci, cecha syntetyczna ma posta

ć

 

n

i

z

w

q

m

j

ij

j

i

,..

2

,

1

1

=

=

=

 

(1.6) 

 

Analogicznie,  jako  formuł

ę

  agregacji  mo

Ŝ

na  przyj

ąć

 

ś

redni

ą

  geometryczn

ą

  lub 

ś

redni

ą

 

harmoniczn

ą

. S

ą

 to bezwzorcowe formuły agregacji zmiennych. 

Inn

ą

 grup

ę

 metod agregacji zmiennych tworz

ą

 metody wzorcowe. Podstawy metodologii agregacji 

wzorcowej  stworzył  Z  Hellwig.  Idea  metod  wzorcowych  zostanie  pokazana  na  przykładzie 

taksonomicznej  miary  rozwoju  Hellwiga.  W  omawianej  metodzie  konstruowany  jest  obiekt  modelowy 

(wzorzec rozwoju), tworz

ą

 go optymalne zaobserwowane warto

ś

ci cech. Wyra

Ŝ

a si

ę

 on wzorem: 

 



=

ta

destymulan

cecha

ta

j

z

stymulanta

cecha

ta

j

z

p

ij

i

ij

i

j

min

max

 

(1.7) 

 

Nast

ę

pnie dla ka

Ŝ

dego obiektu ustala si

ę

 miary jego odległo

ś

ci od wzorca: 

 

(

)

=

=

m

j

j

ij

i

p

z

c

1

2

 

(1.8) 

Otrzymane odległo

ś

ci przekształca si

ę

 w ten sposób, aby przyjmowały warto

ś

ci z przedziału <0,1 > 

i  ich  wzrost  odpowiadał  korzystniejszemu  kształtowaniu  si

ę

  analizowanego  zjawiska,  co  ułatwia 

analizy porównawcze. W metodzie Hellwiga zaproponowano w tym celu nast

ę

puj

ą

ce przekształcenia: 

 

c

i

i

d

c

c

q

2

1

+

=

 

(1.9) 

W  ten  sposób  przekształcona  zmienna  syntetyczna  z  prawdopodobie

ń

stwem  bliskim  1  przyjmuje 

warto

ś

ci z przedziału <0, 1>. 

Punktem  wyj

ś

cia  w  tej  grupie  metod  jest  skonstruowanie  obiektu  modelowego.  Obiekt  modelowy 

mo

Ŝ

e  by

ć

  wyznaczony  przez  optymalne  lub  pesymalne,  z  punktu  widzenia  prowadzonego  badania, 

warto

ś

ci  zmiennych.  W  pierwszym  przypadku  mówimy  o  procedurach  wzorca  rozwoju,  w  drugim                

o  procedurach  antywzorca  rozwoju.  Zmienna  syntetyczna  powstaje  jako 

ś

rednia  odległo

ś

ci  cech               

od wzorca. 

 

 

background image

 
 

 

dr Dušan Bogdanov 

 

12 

Ekonometria 1 

 
  

Pytania kontrolne: 

1.  Czym ró

Ŝ

ni si

ę

 kategoria ekonomiczna od opisuj

ą

cej j

ą

 zmiennej ilo

ś

ciowej? 

2.  Czy w przypadku kategorii ekonomicznej zło

Ŝ

onej mo

Ŝ

na zbudowa

ć

 jeden obiektywny 

opisuj

ą

cy j

ą

 zbiór zmiennych diagnostycznych? 

3.  Od czego zale

Ŝ

y zbiór zmiennych diagnostycznych opisuj

ą

cych kategori

ę

 ekonomiczn

ą

           

w konkretnym badaniu. Wyja

ś

nij to na przykładzie. 

4.  Wyja

ś

nij istot

ę

 grafowej metody redukcji zbioru zmiennych diagnostycznych. 

5.  Dlaczego w metodzie sum standaryzowanych zmienne musz

ą

 by

ć

 stymulantami lub 

destymulantami?