Drejerska, Nina; ORCID: 0000-0001-7591-8121
Bezrobocie w polskich regionach z perspektywy autokorelacji przestrzennej
UNEMPLOYMENT IN POLISH REGIONS FROM THE PERSPECTIVE OF SPATIAL AUTOCORRELATION
Roczniki Naukowe Ekonomii Rolnictwa i Rozwoju Obszarów Wiejskich, 2016, vol.103, nr 3, s. 101-116
Słowa kluczowe
bezrobocie typologia obszarów wiejskich korelacja przestrzenna statystyka Morana
Key words
rural-urban typology spatial autocorrelation Moran’s statistic
Streszczenie
Bezrobocie jest zjawiskiem tradycyjnie badanym przez ekonomistów. Obecnie w analizach tego zagadnienia wykorzystywane są często metody pozwalające na identyfikację autokorelacji przestrzennej na rynku pracy. Celem opracowania jest analiza relacji przestrzennych w zakresie stopy bezrobocia na poziomie regionalnym (NUTS2) w Polsce, a następnie weryfikacja, czy uzyskane rezultaty mogą być interpretowane przez pryzmat klasyfikacji obszarów wiejskich opracowanej na poziomie NUTS3 przez Unię Europejską. Badanie z wykorzystaniem danych GUS objęło lata 2004-2014. Zastosowano globalną i lokalną statystykę Morana. Wyniki potwierdziły istnienie zależności przestrzennych na rynku pracy w Polsce – statystyki lokalne wskazały na istnienie regionów nietypowych oraz klastrów regionów o podobnych charakterystykach rynku pracy.
Abstract
Unemployment is traditionally a phenomenon analysed by economists. Recently these investigations are often run with use of methods allowing for identification of spatial autocorrelation on the labour market. The aim of the study is to analyse spatial interrelationships of the unemployment rate between Polish regions (NUTS2) and then to verify if any results can be interpreted through a perspective of the urban-rural classification for NUTS 3 regions applied by the European Union. Research covered the period from 2004 to 2014 and was based on the data of the Central Statistical Office of Poland. The global and local Moran’s statistics were applied. Results prove existence of spatial patterns on labour market in Poland - local statistics indicate that outliers and clusters of similar regions occur.