Identyfikacja i znaczenie obserwacji nietypowych w modelach konwergencji dochodowej
DOI:
https://doi.org/10.15678/ZNUEK.2015.0941.0501Słowa kluczowe:
obserwacje nietypowe, konwergencja dochodowa, modele ekonometryczne, Unia EuropejskaAbstrakt
Badanie zjawiska konwergencji dochodowej znajduje szerokie odzwierciedlenie w dotychczasowym dorobku nauki i praktyce gospodarczej. Otrzymywane rezultaty charakteryzują się jednak stosunkowo dużym zróżnicowaniem. Wielu autorów wskazuje na silne uzależnienie uzyskiwanych wyników od zakresu czasowego i przekrojowego prowadzonych analiz oraz stosowanych metod badawczych. Mało uwagi poświęca się jednak roli obserwacji nietypowych, które mogą być wynikiem błędnego pomiaru, wystąpienia zdarzenia losowego, niestandardowych warunków lub działań o charakterze celowym. Weryfikacji poddana została hipoteza o istotnym wpływie tych obserwacji na uzyskiwane wyniki procesu estymacji. Głównym celem pracy było ustalenie, czy występowanie obserwacji uznanych za nietypowe istotnie zmienia jakość modeli oraz szybkość procesu konwergencji dochodowej.Downloads
Bibliografia
Acuna E., Rodriguez C.A. [2004], A Meta Analysis Study of Outlier Detection Methods in Classification, Proceedings IPSI 2004, Venice, http://academic.uprm.edu/eacuna/paperout.pdf (dostęp: 26.04.2014).
Barnett V., Lewis T. [1994], Outliers in Statistical Data, John Wiley, Chichester.
Barro R.J., Sala-i-Martin X. [2004], Economic Growth, 2nd ed., MIT Press, Cambridge, Massachusetts.
Batóg J. [2010], Konwergencja dochodowa w krajach Unii Europejskiej. Analiza ekonometryczna, Rozprawy i Studia, t. DCCCLIV (780), Wydawnictwo Naukowe Uniwersytetu Szczecińskiego, Szczecin.
Batóg J. [2013], Analiza krańcowej pionowej konwergencji dochodowej typu β w krajach Unii Europejskiej w latach 1993-2010, Studia i Prace Wydziału Nauk Ekonomicznych i Zarządzania, nr 31, Metody ilościowe w ekonomii, t. 1, Wydawnictwo Naukowe Uniwersytetu Szczecińskiego, Szczecin.
Batóg J., Batóg B. [2006], Income Convergence in the European Countries: Empirical Analysis, „Folia Oeconomica Stetinensia", nr 5(13).
Ben-Gal I. [2005], Outlier Detection[w:] Data Mining and Knowledge Discovery Handbook: A Complete Guide for Practitioners and Researchers, red. O. Maimon, L. Rokach, Kluwer Academic Publishers, Boston.
The Conference Board Total Economy Database [2014], January, http://www.conference-board.org/data/economydatabase/ (dostęp: 22.04.2014).
Fawcett T., Provost F. [1997], Adaptive Fraud Detection, „Data Mining and Knowledge Discovery", vol. 1, nr 3.
Hawkins D. [1980], Identification of Outliers, Chapman and Hall, London.
Hozer J. [1993], Mikroekonometria, PWE, Warszawa.
Maddala G.S. [2006], Econometrics, Wydawnictwo Naukowe PWN, Warszawa.
Penny K.I., Jolliffe I.T. [2001], A Comparison of Multivariate Outlier Detection Methods for Clinical Laboratory Safety Data, „The Statistician", vol. 50, nr 3, http://dx.doi.org/10.1111/1467-9884.00279.
Ruts I., Rousseeuw P.J. [1996], Computing Depth Contours of Bivariate Point Clouds, „Computational Statistics and Data Analysis", vol. 23, nr 1, http://dx.doi.org/10.1016/s0167-9473(96)00027-8.
Walfish S. [2006], A Review of Statistical Outlier Methods, „Pharmaceutical Technology", November 2.
Williams G.J., Baxter R.A., He H.X., Hawkins S., Gu L. [2002], A Comparative Study of RNN for Outlier Detection in Data Mining, Proceedings of the 2ndIEEE International Conference on Data Mining (ICDM'02), Maebashi City, Japan.
