Jakość danych w systemie INTRASTAT. Porównanie krajów „starej” i „nowej” UE
DOI:
https://doi.org/10.18778/0208-6018.341.05Słowa kluczowe:
jakość danych statystyki publicznej, dane lustrzane, handel wewnątrzwspólnotowy, UEAbstrakt
W systemie INTRASTAT zbierane są dane statystyczne dotyczące wymiany towarowej między krajami UE. Eurostat agreguje dane pochodzące z poszczególnych państw członkowskich. Specyfika procesu pozyskiwania danych różni się w poszczególnych krajach, w związku z czym dane lustrzane (dotyczące w założeniu tych samych transakcji, odnotowanych w statystyce kraju wywozu i kraju przywozu) często się nie pokrywają. Celem przeprowadzonych analiz była ocena jakości danych o wewnątrzunijnej wymianie towarowej krajów „starej” piętnastki i „nowych” członków UE ze wskazaniem, które kierunki w największym stopniu wpłynęły na występowanie obserwowanych różnic w danych lustrzanych. Artykuł jest kontynuacją badań jakości danych dotyczących handlu zagranicznego.
Pobrania
Bibliografia
Domański Cz., Pekasiewicz D., Baszczyńska A., Witaszczyk A. (2014), Testy statystyczne w procesie podejmowania decyzji, Wydawnictwo Uniwersytetu Łódzkiego, Łódź.
Google Scholar
Dunn O. J. (1964), Multiple comparisons using rank sums, “Technometrics”, no. 6, pp. 241–252.
Google Scholar
Eurostat (2017a), Compilers guide on European statistics on international trade in goods, 2017 edition, Manuals and guidelines, Publications Office of the European Union, Luxembourg.
Google Scholar
Eurostat (2017b), National requirements for the Intrastat system, 2018 edition, Manuals and guidelines, Publications Office of the European Union, Luxembourg.
Google Scholar
Kruskal W. H., Wallis W. A. (1952), Use of ranks in one‑criterion variance analysis, “Journal of the American Statistical Association”, vol. 47(260), pp. 583–621.
Google Scholar
Markowicz I., Baran P. (2019), Jakość danych dotyczących obrotu towarowego między krajami unijnymi, „Wiadomości Statystyczne”, no. 1, pp. 7–19.
Google Scholar
Pohlert T. (2014), The Pairwise Multiple Comparison of Mean Ranks Package (PMCMR). R package, http://CRAN.R‑project.org/package=PMCMR [accessed: 15.09.2018].
Google Scholar