Polski | English
- O rocznikach
- Rada naukowa
- Komitet redakcyjny
- Zeszyty
- Zeszyt 56/2019
- Zeszyt 55/2019
- Zeszyt 54/2019
- Zeszyt 53/2018
- Zeszyt 52/2018
- Zeszyt 51/2018
- Zeszyt 50/2018
- Zeszyt 49/2018
- Zeszyt 48/2018
- Zeszyt 47/2017
- Zeszyt 46/2017
- Zeszyt 45/2017
- Zeszyt 44/2017
- Zeszyt 43/2016
- Zeszyt 42/2016
- Zeszyt 41/2016
- Zeszyt 40/2016
- Zeszyt 39/2015
- Zeszyt 38/2015
- Zeszyt 37/2015
- Zeszyt 36/2015
- Zeszyt 35/2014
- Zeszyt 34/2014
- Zeszyt 33/2014
- Zeszyt 32/2013
- Zeszyt 31/2013
- Zeszyt 30/2013
- Zeszyt 29/2013
- Zeszyt 28/2012
- Zeszyt 27/2012
- Zeszyt 26/2012
- Zeszyt 25/2012
- Zeszyt 24/2012
- Zeszyt 23/2011
- Zeszyt 22/2010
- Zeszyt 21/2010
- Zeszyt 20/2009
- Zeszyt 19/2009
- Zeszyt 18/2008
- Zeszyt 17/2007
- Wyszukaj
- Dla autorów
- Zasady recenzowania
- Lista recenzentów
- Wydawca
- Kontakt
Zeszyt 41/2016
Kolegium Analiz Ekonomicznych oświadcza, że wersją pierwotną czasopisma jest wersja papierowa.
Michał Bernardelli
Ekonometryczne modelowanie danych panelowych z wykorzystaniem obliczeń równoległych na Apache Spark
Streszczenie
Celem artykułu jest przedstawienie sposobu wyznaczania estymatora fixed effects przy użyciu modelu programowania MapReduce zaimplementowanego w Apache Spark. Spośród wielu znanych algorytmów zostały wykorzystane dwa popularne podejścia: transformacja within oraz least squares dummy variables method (LSDV). Efektywność obliczeń wykazano, rozwiązując specjalnie spreparowany przykład dla wygenerowanej losowo próbki danych. Na podstawie analizy teoretycznej i eksperymentów numerycznych można stwierdzić, że Apache Spark jest efektywnym narzędziem do modelowania danych panelowych, zwłaszcza jeśli chodzi o Big Data.
***
Econometric modeling of panel data using parallel computing with Apache Spark
Abstract
The aim of this article is to provide a method for determining the fixed effects estimators using MapReduce programming model implemented in Apache Spark. From many known algorithms two common approaches were exploited: the within transformation and least squares dummy variables method (LSDV). Efficiency of the computations was demonstrated by solving a specially crafted example for sample data. Based on theoretical analysis and computer experiments it can be stated that Apache Spark is an efficient tool for modeling panel data especially if it comes to Big Data.
Artykuł: PDF
spis treści zeszytu 41
Copyright © Kolegium Analiz Ekonomicznych Szkoły Głównej Handlowej w Warszawie 2011-2024 ISSN 1232-4671