Zastosowanie analizy dyskryminacyjnej w identyfikacji kluczowych czynników rozwoju miast w Polsce

Autor

DOI:

https://doi.org/10.18778/0208-6018.343.11

Słowa kluczowe:

rozwój miast, analiza dyskryminacyjna, determinanty rozwoju miast

Abstrakt

Prowadzenie skutecznej polityki rozwoju miast przy dysponowaniu ograniczonymi środkami wymaga ustalenia najważniejszych obszarów i priorytetów rozwoju. W tym celu można wykorzystać istniejące strategie rozwoju lub oprzeć się na wynikach analiz statystycznych. W tym drugim przypadku można użyć jednej z metod analizy wielowymiarowej – analizy dyskryminacyjnej. Ma ona wiele zastosowań w skali mikroekonomicznej, m.in. w przewidywaniu bankructwa przedsiębiorstw, jednak bardzo rzadko bywa wykorzystywana do oceny pozycji konkurencyjnej lub dynamiki rozwoju miast. Głównym celem badania jest identyfikacja najważniejszych czynników rozwoju polskich miast na prawach powiatu i analiza zmian tych czynników w czasie. Oprócz typowych zmiennych, takich jak inwestycje, dochody, zatrudnienie, zadłużenie czy migracje, w analizie wykorzystane zostały zmienne o charakterze jakościowym, które pozwolą ocenić, czy wielkość miasta oraz jego lokalizacja decydują o dynamice jego rozwoju. Uzyskane wyniki wskazują, że najważniejsze determinanty rozwoju największych polskich miast związane są z sytuacją na rynku pracy i ponoszonymi nakładami inwestycyjnymi, zarówno przez firmy, jak i same miasta.

Pobrania

Brak dostępnych danych do wyświetlenia.

Bibliografia

Baker J. L., Gadgil G. U. (eds.) (2017), East Asia and Pacific Cities. Expanding Opportunities for the Urban Poor, Urban Development Series, The World Bank Group, Washington.
Google Scholar

Batóg B., Batóg J. (2012), Wykorzystanie analizy dyskryminacyjnej do identyfikacji czynników determinujących stopę zwrotu z inwestycji na rynku kapitałowym, “Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu, Taksonomia 19. Klasyfikacja i Analiza Danych – Teoria i Zastosowania”, no. 242, pp. 387–395.
Google Scholar

Batóg J. (2009), Wykorzystanie analizy dyskryminacyjnej z autokorelacją przestrzenną do klasyfikacji obiektów, “Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu, Taksonomia 16. Klasyfikacja i Analiza Danych – Teoria i Zastosowania, no. 47, pp. 382–389.
Google Scholar

Batóg B., Batóg J. (2017), Zastosowanie analizy korespondencji w analizie związku między wielkością oraz poziomem i dynamiką rozwoju polskich miast, “Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu, Taksonomia 28. Klasyfikacja i Analiza Danych – Teoria i Zastosowania”, no. 468, pp. 20–28.
Google Scholar

Batóg B., Wawrzyniak K. (1997), Wykorzystanie funkcji dyskryminacyjnej do oceny kondycji finansowo‑ekonomicznej spółek i przedsiębiorstw I, II, III i IV transzy alokowanych do Narodowych Funduszy Inwestycyjnych, “Przegląd Statystyczny”, no. 44(1), pp. 105–115
Google Scholar

Borzacchiello M. T., Nijkamp P., Koomen E. (2010), Accessibility and Urban Development: A Grid‑Based Comparative Statistical Analysis of Dutch Cities, “Environment and Planning B: Planning and Design”, no. 37(1), pp. 148–169, http://doi.org/10.1068/b34126.
Google Scholar

Deilmann C., Lehmann I., Reissmann D., Hennersdorf J. (2016), Data Envelopment Analysis of Cities – Investigation of the Ecological and Economic Efficiency of Cities Using a Benchmarking Concept from Production Management, “Ecological Indicators”, no. 67, pp. 798–806.
Google Scholar

Dorocki S. (2012), Regional Differentiation in the Development of French Towns – Quantitative Analysis, “Barometr Regionalny”, no. 3(29), pp. 13–31.
Google Scholar

Drobniak A., Plac K. (2015), Urban resilience – transformacja miast poprzemysłowych Aglomeracji Górnośląskiej, “Studia Ekonomiczne, Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach”, no. 250, “Ekonomia”, no. 4, pp. 75–98.
Google Scholar

Dziaduch S. (2012), Development Potential of Cities in the Lubelskie Voivodship, “Barometr Regionalny”, no. 3(29), p. 77–97.
Google Scholar

El‑Hanjouri M. M.R., Hamad B. S. (2015), Using Cluster Analysis and Discriminant Analysis Methods in Classification with Application on Standard of Living Family in Palestinian Areas, “International Journal of Statistics and Applications”, no. 5(5), pp. 213–222, www.sapub.org/global/showpaperpdf.aspx?doi=10.5923/j.statistics.20150505.05 [accessed: 15.10.2018].
Google Scholar

Elhadary Y. A.E., Samat N. (2015), Integrating Geographic Information System and Discriminant Analysis in Modelling Urban Spatial Growth: An Example from Seberang Perai Region, Penang State, Malaysia, “Asian Social Science”, no. 11(2), pp. 32–40.
Google Scholar

Fanni Z., Khakpour B. A., Heydari A. (2014), Evaluating the Regional Development of Border Cities by TOPSIS Model (case study: Sistan and Baluchistan Province, Iran), “Sustainable Cities and Society”, no. 10, pp. 80–86.
Google Scholar

Heffner K., Gibas P. (2013), Poziom metropolitalności wybranych ośrodków w Polsce. Znaczenie wag i zmiennych, “Acta Universitatis Lodziensis. Folia Oeconomica”, no. 293, pp. 11–26.
Google Scholar

Jaba E., Jemna D. V., Viorica D., Lacatusu T. (2006), Discriminant Analysis in the Study of Romanian Regional Economic Development in View of European Integration, https://ssrn.com/abstract=931613 [accessed: 15.10.2018].
Google Scholar

Jałowiecki M. (2015), Rozwój chińskich miast w latach 2008–2011, “Zeszyty Naukowe Wyższej Szkoły Bankowej w Poznaniu”, no. 59(2), pp. 147–166.
Google Scholar

Johnson R. A., Wichern D. W. (2007), Applied Multivariate Statistical Analysis, 6th Edition, Pearson Prentice Hall, Upper Saddle River.
Google Scholar

Kola‑Bezka M., Czupich M., Ignasiak‑Szulc A. (2016), Smart Cities in Central and Eastern Europe: Viable Future or Unfulfilled Dream?, “Journal of International Studies”, no. 9(1), pp. 76–87, http://doi.org/10.14254/2071-8330.2016/9-1/6.
Google Scholar

Lopez Ruiz V. R., Nevado Pena D., Alfaro Navarro J. L., Grigorescu A. (2014), Human Development European City Index: Methodology and Results, “Romanian Journal of Economic Forecasting”, no. XVII(3), pp. 72–87.
Google Scholar

Mata D. da, Deichmann U., Henderson J. V., Lall S. V., Wang H. G. (2005), Determinants of City Growth in Brazil, World Bank Policy Research Working Paper 3723, September, pp. 1–49.
Google Scholar

Mavrič J., Tominc P., Bobek V. (2014), Qualitative Indicators for Measuring the Performance Development of Selected Cities, “Našegospodarstvo/Our Economy”, no. 60(3–4), pp. 13–25, http://doi.org/10.7549/ourecon.2014.3-4.02.
Google Scholar

McLachlan G. J. (2004), Discriminant Analysis and Statistical Pattern Recognition, John Wiley & Sons, Hoboken.
Google Scholar

McManus P. (2012), Measuring Urban Sustainability: the Potential and Pitfalls of City Rankings, “Australian Geographe”, no. 43(4), pp. 411–424, http://dx.doi.org/10.1080/00049182.2012.731301.
Google Scholar

McManus P., Haughton G. (2006), Planning with Ecological Footprints: A Sympathetic Critique of Theory and Practice, “Environment and Urbanization”, no. 18(1), pp. 113–27.
Google Scholar

Męczyński M., Konecka‑Szydłowska B., Gadziński J. (2010), Poziom rozwoju społeczno‑gospodarczego i klasyfikacja małych miast w Wielkopolsce, Uniwersytet im. Adama Mickiewicza w Poznaniu, Instytut Geografii Społeczno‑Ekonomicznej i Gospodarki Przestrzennej, Poznań.
Google Scholar

OECD (2010), Cities and Climate Change, OECD Publishing, Paris, https://doi.org/10.1787/9789264091375-en.
Google Scholar

Panek T. (2009), Metody statystyczne wielowymiarowej analizy porównawczej, Szkoła Główna Handlowa w Warszawie, Warszawa.
Google Scholar

Runge J. (2007), Metody badań w geografii społeczno‑ekonomicznej, Wydawnictwo Uniwersytetu Śląskiego, Katowice.
Google Scholar

Silicon Valley Index (2010), Joint Venture, Silicon Valley Network Inc., San Jose.
Google Scholar

Sun X., Liu X., Li F., Tao Y., Song Y. (2015), Comprehensive Evaluation of Different Scale Cities’ Sustainable Development for Economy, Society, and Ecological Infrastructure in China, “Journal of Cleaner Production”, pp. 1–9, http://dx.doi.org/10.1016/j.jclepro.2015.06.002.
Google Scholar

Tacq J. (2007), Multivariate Analysis in Social Science Research, Sage Publications, London.
Google Scholar

Wentz E. A., Song Y., Anderson S., Roy S. S., Myint S. W., Stefanov W. L. (2010), Discriminant Analysis with Spatial Weights for Urban Land Cover Classification, GeoDaCenter for Geospatial Analysis and Computation, Arizona State University, Working Paper No. 21, pp. 1–23.
Google Scholar

Wiśniewski M. (2013), Smart cities – definicje i pomiar (przegląd koncepcji), “Prace Naukowe WWSZIP”, no. 24(4), “Samorząd Terytorialny a Polityka Lokalna”, pp. 187–200.
Google Scholar

Opublikowane

2019-09-13

Jak cytować

Batóg, B., & Batóg, J. (2019). Zastosowanie analizy dyskryminacyjnej w identyfikacji kluczowych czynników rozwoju miast w Polsce. Acta Universitatis Lodziensis. Folia Oeconomica, 4(343), 181–194. https://doi.org/10.18778/0208-6018.343.11

Numer

Dział

Artykuł

Podobne artykuły

<< < 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 > >> 

Możesz również Rozpocznij zaawansowane wyszukiwanie podobieństw dla tego artykułu.