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 34/2014
Kolegium Analiz Ekonomicznych oświadcza, że wersją pierwotną czasopisma jest wersja papierowa.
Elżbieta Antczak
Estymacja przestrzenno-czasowej środowiskowej krzywej Kuznetsa za pomocą regresji ważonej geograficznie
Streszczenie
Celem artykułu jest przedstawienie możliwości zastosowania regresji ważonej geograficznie do weryfikacji zależności ekologiczno-ekonomicznych (opisanych funkcją środowiskowej krzywej Kuznetsa). Przewaga GWR nad klasycznymi modelami regresji polega na możliwości uwzględnienia heterogeniczności przestrzennej w relacji pomiędzy zmienną zależną (tu ilość zebranych odpadów komunalnych w kg/capita) a zmiennymi niezależnymi (tu PKB/capita w PPS w cenach stałych, odpowiednio zwielokrotniona wartość zmiennej - stanowiąca odwzorowanie krzywej Kuznetsa) dla poszczególnych obserwacji (wybranych krajów Europy). W modelu wykorzystano różne macierze wag przestrzennych. Wyznaczono wartości ocen parametrów (dla każdej jednostki osobno), których statystyczna istotność wskazuje na realizację badanej zależności uwarunkowanej lokalnymi czynnikami i powiązaniami regionalnymi. Analizę przeprowadzono dla lat 1990–2011 (dane uśrednione).
***
Estimation of spatio-temporal environmental Kuznets curve using geographically weighted regression
Abstract
The aim of this article is to present the possibility of using Geographically Weighted Regression to verify eco‐economic dependences (described by the Environmental Kuznets Curve). GWR advantage over classical regression models is the ability to take into account the spatial heterogeneity in the relationship between the dependent variable (here the amount of collected municipal waste in kg/capita) and the independent variables (here, GDP/capita in PPS, constant prices, multiplied-representing Kuznets Curve function) for each observation (selected countries of Europe). In the model there were used different spatial weights matrices. The statistical significance values of local parameters estimated for each unit separately evidence the EKC hypothesis. Results depended on local factor sand interregional links. The analysis was performed for the years 1990–2011 (average of data).
Artykuł: PDF
spis treści zeszytu 34
Copyright © Kolegium Analiz Ekonomicznych Szkoły Głównej Handlowej w Warszawie 2011-2024 ISSN 1232-4671