Estymacja przestrzenno­-czasowej środowiskowej krzywej Kuznetsa za pomocą regresji ważonej geograficznie

Elżbieta Antczak
Additional contact information
Elżbieta Antczak: Uniwersytet Łódzki

Collegium of Economic Analysis Annals, 2014, issue 34, 11-25

Abstract: 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).

Keywords: regresja geograficznie ważona; heterogeniczność przestrzenna; EKC (search for similar items in EconPapers)
Date: 2014
References: View complete reference list from CitEc
Citations:

Downloads: (external link)
http://rocznikikae.sgh.waw.pl/p/roczniki_kae_z34_01.pdf Full text (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:sgh:annals:i:34:y:2014:p:11-25

Access Statistics for this article

Collegium of Economic Analysis Annals is currently edited by Joanna Plebaniak, Beata Czarnacka-Chrobot

More articles in Collegium of Economic Analysis Annals from Warsaw School of Economics, Collegium of Economic Analysis Contact information at EDIRC.
Bibliographic data for series maintained by Michał Bernardelli ().