Przestrzenno‑czasowe modelowanie wpływu liczby podmiotów gospodarczych w wybranych ośrodkach miejskich na bezrobocie w województwie kujawsko‑pomorskim
DOI:
https://doi.org/10.18778/0208-6018.337.02Słowa kluczowe:
podmioty gospodarcze, bezrobocie, rynek pracy, trend przestrzenny i przestrzenno‑czasowy, autokorelacja przestrzenna, przestrzenne i przestrzenno‑czasowe modele autoregresyjneAbstrakt
Artykuł prezentuje analizę przestrzennych i czasowych tendencji i zależności dotyczących sytuacji na rynku pracy w województwie kujawsko‑pomorskim w układzie gmin w okresie 2004–2015. Celem badania jest sprawdzenie, czy – przy istniejących zależnościach – wzrost aktywności działalności gospodarczej przez zwiększenie liczby podmiotów gospodarczych w wybranych ośrodkach miejskich województwa, w których poziom bezrobocia jest wysoki, może obniżyć bezrobocie w całym województwie. Sytuacja na rynku pracy w poszczególnych gminach została oceniona na podstawie dwóch zmiennych, tj. udziału bezrobotnych zarejestrowanych w liczbie ludności w wieku produkcyjnym oraz liczby podmiotów gospodarczych na 10 tys. mieszkańców w wieku produkcyjnym. Z metodologicznego punktu widzenia wartości tych zmiennych traktuje się jako realizacje przestrzennych i przestrzenno‑czasowych procesów stochastycznych. Przestrzenne i przestrzenno‑czasowe tendencje i zależności zostały zbadane przy wykorzystaniu koncepcji trendu przestrzennego i przestrzenno‑czasowego oraz autokorelacji przestrzennej. Dodatkowo zostały oszacowane i zweryfikowane przestrzenne modele autoregresyjne poszczególnych procesów, a także przestrzenne modele zależności bezrobocia od liczby podmiotów gospodarczych w poszczególnych latach badanego okresu. Dokonano również specyfikacji przestrzenno‑czasowych modeli bezrobocia, w tym modelu uwzględniającego przesunięcia przestrzenne i opóźnienia czasowe rozważanej zależności. Modele te wykorzystano następnie do symulacji poziomu bezrobocia w województwie przy założeniu wzrostu liczby podmiotów gospodarczych w ustalonych ośrodkach miejskich.
Pobrania
Bibliografia
Anselin L. (1988), Spatial Econometrics. Methods and Models, Kluwer Academic, Boston.
Google Scholar
Anselin L., Florax R. J.G.M., Rey S. (2004), Advances in Spatial Econometrics. Methodology, Tools and Applications, Springer‑Verlag, New York.
Google Scholar
Arbia G. (2006), Spatial Econometrics. Statistical Foundations and Applications to Regional Convergence, Springer‑Verlag, Berlin–Heidelberg.
Google Scholar
Bal‑Domańska B. (2014), Identifying Regional Diversification and Spatial Dependence of Employment in EU Regions as One of Social Cohesion Indicators, “Acta Universitatis Lodziensis. Folia Oeconomica”, vol. 5(307), pp. 7–26.
Google Scholar
Blinova T., Markow V., Rusanovskiy V. (2016), Empirical Study of Spatial Differentiation of Youth Unemployment in Russia, “Acta Oeconomica”, vol. 66(3), pp. 507–526.
Google Scholar
Cliff A. D., Ord J. K. (1973), Spatial Autocorrelation, Pion, London.
Google Scholar
Cliff A. D., Ord J. K. (1981), Spatial Processes. Models and Applications, Pion, London.
Google Scholar
Cressie N. A.C. (1993), Statistics for Spatial Data, John Wiley & Sons Inc., New York.
Google Scholar
Gawrycka M., Szymczak A. (2010), Przestrzenne zróżnicowanie rynków pracy z punktu widzenia popytu na pracę, “Współczesna Ekonomia”, no. 1(13), pp. 47–58.
Google Scholar
Haining R. (2005), Spatial Data Analysis. Theory and Practice, 3th ed., Cambridge University Press, Cambridge.
Google Scholar
LeSage J., Pace K. R. (2009), Introduction to Spatial Econometrics, Champion & Hall/CRC, Boca Raton–London‑New York.
Google Scholar
Moran P. A.P. (1950), The Interpretation of Statistical Maps, “Journal of the Royal Statistical Society”, Series B, 10, pp. 243–251.
Google Scholar
Nosek V., Netrdova P. (2014), Measuring Spatial Aspects of Variability. Comparing Spatial Autocorrelation with Regard Decomposition in Internal Unemployment Research, “Historical Social Research – Historische Socialforschung”, vol. 39(2), pp. 292–314.
Google Scholar
Perugini C., Signorelli M. (2007), Labour Market Performance Differentials and Dynamics in EU–15 Countries and Regions, “The European Journal of Comparative Economics”, vol. 4(2), pp. 209–262.
Google Scholar
Pillet F., Cañizares M. C., Ruiz A. R., Martínez H., Plaza J., Santos J. F. (2014), Applying the European Spatial Development Perspective in Low‑density Regions: a Methodology Based on Mobility and Labour Market Structure, “Urban Studies”, vol. 51(3), pp. 577–595.
Google Scholar
Schabenberger O., Gotway C. A. (2005), Statistical Methods for Spatial Data Analysis, Champion & Hall/CRC, Boca Raton–London‑New York.
Google Scholar
Semerikova E. (2015), Spatial Patterns of German Labor Market: Panel Data Analysis of Regional Unemployment, [in:] Ch. Mussida, F. Pastore (eds.), Geographical Labor Market Imbalances: Recent Explanations And Cures, Springer, Berlin–Heidelberg.
Google Scholar
Strategia rozwoju województwa kujawsko‑pomorskiego do roku 2020 – Plan modernizacji 2020+ (The 2020 Development Strategy for the Kujawsko‑Pomorskie Voivodeship and the 2020+Modernisation Plan), http://www.mojregion.eu/files/dokumenty%20rpo/konkursy_nabory/3.1_Wspieranie%20wytwarzania%20i%20dystrybucji%20energii%20pochodzacej%20ze%20zrodel%20odnawialnych_nr_102_30_05_2017/Strategia_rozwoju_wojewodztwa_kujawsko‑pomorskiego_do_roku_2020__plan_modernizacji_2020+.pdf [accessed: 10.01.2017].
Google Scholar
Szulc E. (2007), Ekonometryczna analiza wielowymiarowych procesów gospodarczych (Econometric Analysis of Multidimensional Economic Processes), UMK, Toruń.
Google Scholar
Szulc E. (2011), Identification of the Structures of Spatial and Spatio‑Temporal Processes and a Problem of Data Aggregation, “Dynamic Econometric Models”, vol. 11, pp. 4–20.
Google Scholar
Szulc E., Jankiewicz M. (2017), The Labour Market Situation in Medium‑Sized Urban Centres of the Kujawsko‑Pomorskie Voivodeship and the Problem of Unemployment in the Province, [in:] M. Papież, S. Śmiech (eds.), The 11th Professor Aleksander Zelias International Conference on Modelling and Forecasting of Socio‑Economic Phenomena. Conference Proceedings, http://pliki.konferencjazakopianska.pl/proceedings_2017/pdf/Szulc_Jankiewicz.pdf [accessed: 12.05.2017].
Google Scholar
Szulc E., Müller‑Frączek I., Pietrzak M. (2011), Modelowanie zależności między ekonomicznymi procesami przestrzennymi a poziom agregacji danych (Modelling of Dependence between Economic Spatial Processes and Level of Data Aggregation), “Acta Universitatis Lodziensis. Folia Oeconomica”, vol. 253, pp. 327–344.
Google Scholar
Tokarski T. (2005), Regionalne zróżnicowanie rynku pracy, “Wiadomości Statystyczne”, no. 11, pp. 67–88.
Google Scholar
Vega S. H., Elhorst J. P. (2014). Modelling Regional Labour Market Dynamics in Space and Time, “Papers in Regional Science”, vol. 93(4), pp. 819–841.
Google Scholar