Analiza wzorców punktowych i liniowych w R 2400-ZEWW935

Analiza zjawisk ekonomicznych w ujęciu regionalnym przeprowadzana na danych zagregowanych często daje błędne wyniki, ponieważ nie uwzględnia charakterystyk terenu, heterogeniczności przestrzennej, struktury sąsiedztwa itd. Ekonometria przestrzenna pozwala owe informacje uwzględnić. Analiza wzorców punktowych wymaga specyficznych danych (danych geo-lokalizowanych) oraz specjalnych pakietów statystyczno-ekonometrycznych.
Dane punktowe mają szerokie zastosowanie ekonomiczne (lokalizacje przedsiębiorstw, ekonomia transportu, rynek nieruchomości itd.).

W ramach zajęć omówione zostaną następujące zagadnienia:
• Wprowadzenie do analizy wzorców punktowych, pakiet spatstat::, przykłady badań empirycznych
• Dane przestrzenne – wprowadzenie, tworzenie, wizualizacja
• Wzorce punktowe – tworzenie, wizualizacja, podstawowe operacje i przekształcenia
• Wzorce punktowe: klasyfikacja, analiza własności I i II rodzaju
• Modele dla wzorców punktowych (proces punktowy Poissona, procesy punktowe Gibbsa, (możliwe) procesy Coxa)
• Do wyboru jeśli zostaną wolne zajecia: Wzorce liniowe (definicja, wizualizacja, wzorzec punktowy na liniach) lub Analiza czasowo-przestrzenna
• Ostatnie 1-2 zajęcia (w zależności od liczby studentów) – analizy artykułów

W cyklu 2025L:

Analiza zjawisk ekonomicznych w ujęciu regionalnym przeprowadzana na danych zagregowanych często daje błędne wyniki, ponieważ nie uwzględnia charakterystyk terenu, heterogeniczności przestrzennej, struktury sąsiedztwa itd. Ekonometria przestrzenna pozwala owe informacje uwzględnić. Analiza wzorców punktowych i liniowych wymaga specyficznych danych (danych geo-lokalizowanych) oraz specjalnych pakietów statystyczno-ekonometrycznych.
Dane punktowe i liniowe mają szerokie zastosowanie ekonomiczne (lokalizacje przedsiębiorstw, ekonomia transportu, rynek nieruchomości itd.).

W ramach zajęć omówione zostaną następujące zagadnienia:
Wprowadzenie do analizy wzorców punktowych, pakiet spatstat::, przykłady badań empirycznych
Dane przestrzenne – wprowadzenie, tworzenie, wizualizacja
Wzorce punktowe – tworzenie, wizualizacja, podstawowe operacje i przekształcenia
Wzorce punktowe: klasyfikacja, analiza własności I i II rodzaju
Modele dla wzorców punktowych (proces punktowy Poissona, procesy punktowe Gibbsa, (możliwe) procesy Coxa)
Wzorce liniowe: definicja, wizualizacja, wzorzec punktowy na liniach
Analiza czasowo-przestrzenna
Ostatnie 1-2 zajęcia (w zależności od liczby studentów) – analizy artykułów

Szacunkowy nakład pracy studenta:
Typ aktywności K (kontaktowe) S (samodzielne)
wykład (zajęcia) 20 0
ćwiczenia (zajęcia) 30 0
egzamin 0 0
konsultacje 10 0
przygotowanie do ćwiczeń 0 0
przygotowanie do wykładów 0 0
przygotowanie do kolokwium 0 0
przygotowanie do egzaminu 0 0
przygotowanie projektu zaliczeniowego i prezentacji artykułu 0 15
Razem 60 15 = 75

Koordynatorzy przedmiotu

Kateryna Zabarina

Rodzaj przedmiotu

nieobowiązkowe

Założenia (opisowo)

Umiejętność testowania hipotez statystycznych oraz estymacji modeli ekonometrycznych

Efekty uczenia się

Po zakończeniu kursu student:

- ma znajomość metod i narzędzi badania danych punktowych;
- umie pracować z danymi przestrzennymi (analiza pierwotna, wizualizacja, modelowanie);
- potrafi zaaplikować pozyskaną wiedzę w praktyce – przeprowadzić badanie oraz przedstawić wnioski z badania w formie raportu.

K_W01, K_W02, K_W03, K_U01, K_U02, K_U03, K_K01, K_K02

Kryteria oceniania

Projekt badawczy (60%) – przygotowany samodzielnie w grupach maksymalnie 2-osobowych. Projekt musi zawierać:
• Wprowadzenie + przegląd literatury
• Opis danych
• Problem badawczy, cele badania
• Analiza ilościowa (w zależności od wybranego tematu – do omówienia na zajęciach) LUB – w przypadku pracy teoretycznej/metodologicznej – jak działa metoda, jakie są jej właściwości, porównanie z innymi metodami itp.
• Wnioski
• Deklarację użycia AI

Recenzja artykułu w języku angielskim (40%) – pisemna recenzja artykułu przydzielonego przez prowadzącego. Recenzja musi zawierać opis i analizę:
• celu i zakresu badania;
• metod wykorzystanych w badaniu (opis metod + własna analiza krytyczna zastosowanej metody);
• wyników badań (co się udało, co nie, czy cel został osiągnięty);
• ogólną ocenę tekstu, uwagi, komentarze.

Literatura

Literatura obowiązkowa:
- Baddeley, A., Rubak, E., & Turner, R. (2015). Spatial point patterns: methodology and applications with R. CRC press.
- Kopczewska, K. (Ed.). (2020). Przestrzenne metody ilościowe w R: statystyka, ekonometria, uczenie maszynowe, analiza danych. CeDeWu Sp. z oo. + II wydanie Kopczewska, K. (nadchodzące). Applied spatial statistics and econometrics: data analysis in R. Routledge, jesli będzie już dostępne
- Arbia, G., Espa, G., & Giuliani, D. (2021). Spatial microeconometrics. Routledge.

Literatura uzupełniająca:
- artykuły m.in. autorstwa J. Mateu oraz inne artykuły tematyczne wybrane przez prowadzącego

W cyklu 2025L:

Literatura obowiązkowa:
- Baddeley, A., Rubak, E., & Turner, R. (2015). Spatial point patterns: methodology and applications with R. CRC press.
- Kopczewska, K. (Ed.). (2020). Przestrzenne metody ilościowe w R: statystyka, ekonometria, uczenie maszynowe, analiza danych. CeDeWu Sp. z oo. + II wydanie Kopczewska, K. (2020). Applied spatial statistics and econometrics: data analysis in R. Routledge, jesli będzie już dostępne
- Arbia, G., Espa, G., & Giuliani, D. (2021). Spatial microeconometrics. Routledge.

Literatura uzupełniająca:
- artykuły m.in. autorstwa J. Mateu oraz inne artykuły tematyczne wybrane przez prowadzącego