Słowa kluczowe
autokorelacja przestrzenna
zróżnicowanie przestrzenne
typologia powiatów
procesy aglomeracyjne
Jak cytować
Abstrakt
Celem artykułu jest identyfikacja przestrzennego zróżnicowania społeczno-gospodarczego powiatów w latach 2005–2024. Wykorzystano zbiór 30 zmiennych uwzględniających sferę demograficzną, gospodarczą, stan infrastruktury oraz sferę społeczno-środowiskową. Do redukcji wymiaru obserwacji zastosowano przestrzenno-czasową metodę składowych głównych dla danych funkcjonalnych. Wyodrębnienia typów powiatów dokonano z kolei metodą analizy skupień, przeprowadzoną osobno dla dodatnich i ujemnych składowych głównych. W jej wyniku otrzymano dwa podziały na 3 typy powiatów oraz jeden na 9 typów. Uzyskana typologia potwierdza ciągle występujące zróżnicowanie powiatów ze względu na ich położenie na obszarze dawnych państw zaborczych, dychotomię pomiędzy powiatami grodzkimi a ziemskimi, a także lokalizację względem obszarów metropolitalnych.
Bibliografia
Anselin L. 1995. Local Indicators of Spatial Association – LISA. Geographical Analysis, 27: 93-115. DOI: https://doi.org/10.1111/j.1538-4632.1995.tb00338.x
Bartkowiak-Bakun N. 2015. Zróżnicowanie poziomu rozwoju społeczno-gospodarczego obszarów wiejskich województwa wielkopolskiego. Roczniki Naukowe Ekonomii Rolnictwa i Rozwoju Obszarów Wiejskich, 102(2): 7-13. DOI: https://doi.org/10.22630/RNR.2015.102.2.13
Charrad M., Ghazzali N., Boiteau V., Niknafs A. 2014. NbClust: An R Package for Determining the Relevant Number of Clusters in a Data Set. J. Stat. Softw., 61(6): 1-36. (http://www.jstatsoft.org/v61/i06/). DOI: https://doi.org/10.18637/jss.v061.i06
Churski P. 2008. Czynniki rozwoju regionalnego i polityka regionalna w Polsce w okresie integracji z Unią Europejską. Wydawnictwo Naukowe UAM, Poznań.
Cliff A.D., Ord J.K. 1973. Spatial autocorrelation. Pion.
Dziekański P. 2018. Sytuacja finansowa a rozwój zrównoważony powiatów Polski Wschodniej. Optimum. Economic Studies, 2: 25-37. DOI: https://doi.org/10.15290/oes.2018.02.92.03
Geary R.C. 1954. The contiguity ratio and statistical mapping. The Incorporated Statistician, 5: 115-145. DOI: https://doi.org/10.2307/2986645
Górecki T., Krzyśko M. 2012. Functional principal components analysis. [W:] J. Pociecha, R. Decker (red.), Data analysis methods and its applications. C.H. Beck, s. 71-87.
Górecki T., Krzyśko M., Waszak Ł., Wołyński W. 2014. Methods of reducing dimension for functional data. Statistics in Transition – New Series, 15(2): 231-242. DOI: https://doi.org/10.59170/stattrans-2014-016
Górecki T., Krzyśko M., Waszak Ł., Wołyński W. 2018. Selected statistical methods of data analysis for multivariate functional data. Statistical Papers, 59(1): 153-182. DOI: https://doi.org/10.1007/s00362-016-0757-8
Hauke J., Kossowski T. 2012. An analysis of labour market in metropolitan areas. Quaestiones Geographicae, 31(2): 39-48. DOI: https://doi.org/10.2478/v10117-012-0017-5
Hellwig Z. 1968. Zastosowanie metody taksonomicznej do typologicznego podziału krajów ze względu na poziom ich rozwoju oraz zasoby i strukturę wykwalifikowanych kadr. Przegląd Statystyczny, 15, 4: 307-327.
Hotelling H. 1933. Analysis of a complex of statistical variables into principal components. Journal of Educational Psychology, 24(6): 417-441. DOI: https://doi.org/10.1037/h0071325
Jombart T., Devillard S., Dufour A.B., Pontier D. 2008. Revealing cryptic spatial patterns in genetic variability by a new multivariate method. Heredity, 101(1): 92-103. DOI: https://doi.org/10.1038/hdy.2008.34
Józefowicz K., Smolińska K. 2019. Poziom rozwoju społeczno-gospodarczego w powiatach województwa wielkopolskiego. Turystyka i Rozwój Regionalny, 11: 37-49. DOI: https://doi.org/10.22630/TIRR.2019.11.4
Kassambara A., Mundt F. 2020. factoextra: Extract and Visualize the Results of Multivariate Data Analyses. R package version 1.0.7 (https://CRAN.R-project.org/package=factoextra).
Kaufman L., Rousseeuw P.J. 1990. Finding Groups in Data: an Introduction to Cluster Analysis. Wiley Series in Probability and Statistics. DOI: https://doi.org/10.1002/9780470316801
Krzyśko M., Nijkamp P., Ratajczak W., Wołyński W. 2022. Multidimensional economic indicators and multivariate functional principal component analysis (MFPCA) in a comparative study of countries’ competitiveness. Journal of Geographical Systems, 24(1): 49-65. DOI: https://doi.org/10.1007/s10109-021-00352-8
Krzyśko M., Nijkamp P., Ratajczak W., Wołyński W., Wenerska B. 2024. Spatio-temporal principal component analysis. Spatial Economic Analysis, 19(1): 8-29. DOI: https://doi.org/10.1080/17421772.2023.2237532
Krzyśko M., Nijkamp P., Ratajczak W., Wołyński W., Wojtyła A., Wenerska B. 2023. A novel Spatio-temporal principal component analysis based on Geary’s contiguity ratio. Computers, Environment and Urban Systems, 103, 101980. DOI: https://doi.org/10.1016/j.compenvurbsys.2023.101980
Maćkiewicz A., Ratajczak W. 1993. Principal components analysis (PCA). Computers & Geosciences, 19(3): 303-342. DOI: https://doi.org/10.1016/0098-3004(93)90090-R
Parysek J., Ratajczak W. 1978. Analiza głównych składowych cech charakteryzujących własności społeczno-ekonomiczne i środowisko geograficzne Polski. [W:] Z. Chojnicki, T. Czyż, J. Parysek, W. Ratajczak (red.), Badania przestrzennej struktury społeczno-ekonomicznej Polski metodami czynnikowymi. PAN, Oddział w Poznaniu, Seria Geografia, t. II. PWN, Warszawa, s. 83-106.
Pietrzak M.B. 2014. Taksonomiczny miernik rozwoju (TMR) z uwzględnieniem zależności przestrzennych. Institute of Economic Research Working Papers, 10. Institute of Economic Research (IER), Toruń. DOI: https://doi.org/10.59139/ps.2014.02.6
Piszczek S. 2013. Zróżnicowanie przestrzenne poziomu rozwoju społeczno-gospodarczego obszarów wiejskich województwa kujawsko-pomorskiego. Nierówności Społeczne a Wzrost Gospodarczy, 31: 334-346.
R Core Team 2025. R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna, Austria (https://www.R-project.org).
Rousseeuw P.J. 1987. Silhouettes: A graphical aid to the interpretation and validation of cluster analysis. Journal of Computational and Applied Mathematics, 20: 53-65. DOI: https://doi.org/10.1016/0377-0427(87)90125-7
Ward Jr. J.H. 1963. Hierarchical Grouping to Optimize an Objective Function. Journal of the American Statistical Association, 58: 236-244. DOI: https://doi.org/10.1080/01621459.1963.10500845
Wojtyra B. 2017. Poziom wielofunkcyjnego rozwoju obszarów wiejskich województwa wielkopolskiego. Rozwój Regionalny i Polityka Regionalna, 40: 149-161. DOI: https://doi.org/10.14746/rrpr.2017.40.10
Wołyński W. 2024 (http://wolynski.home.amu.edu.pl/Software.html).
Licencja
Prawa autorskie (c) 2026 Tomasz Kossowski
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa 4.0 Międzynarodowe.