Repozytorium UR

Zróżnicowanie płac w polskich województwach – analiza z wykorzystaniem popularnych miar nierówności

DSpace Repository

Show simple item record

dc.contributor.author Mowczan, Damian
dc.date.accessioned 2018-09-18T09:53:14Z
dc.date.available 2018-09-18T09:53:14Z
dc.date.issued 2018
dc.identifier.citation Nierówności społeczne a wzrost gospodarczy z. 55(3)/2018, s. 348–361 pl_PL.UTF-8
dc.identifier.issn 1898-5084
dc.identifier.uri http://repozytorium.ur.edu.pl/handle/item/3861
dc.description.abstract W artykule przedstawiono oszacowania miar nierówności płac w polskich województwach w 2014 roku wraz z krótką ich analizą. Do badań wykorzystano nieidentyfikowalne dane jednostkowe GUS dotyczące płacy brutto i pochodzące z badania Struktury wynagrodzeń według zawodów w październiku 2014 roku. Jako narzędzie analizy wykorzystano koncepcje krzywej Lorenza oraz uogólnionej krzywej Lorenza. Analizę uzupełniono o oszacowania popularnych miar nierówności – w tym o współczynnik Giniego oraz współczynnik Atkinsona, a także skróconej funkcji dobrobytu (indeks Sena). Dodatkowo przedstawiono też prostą dekompozycję ze względu na współczynnik Giniego. Analiza z wykorzystaniem krzywych Lorenza wykazała, że w pewnych przypadkach krzywe te przecinają się wzajemnie. Uniemożliwia to proste wnioskowanie o porządku tych rozkładów i jest często spotykanym problemem w badaniach empirycznych. Jak się jednak okazuje porządki generowane przez współczynnik Giniego, współczynnik Atkinsona oraz indeks Sena są relatywnie zgodne. Do regionów o zdecydowanie najwyższym poziomie nierówności płac można zaliczyć m.in. województwo mazowieckie, dolnośląskie, śląskie, pomorskie i małopolskie. pl_PL.UTF-8
dc.description.abstract The paper presents estimates of wage inequality measures in Polish voivodships in 2014 with a brief analysis of them. Unidentified unit data of the Central Statistical Office regarding gross earnings and collected for the survey of Structure of wages and salaries by occupations in October 2014 were used for the research. The concepts of the Lorenz curve and the generalized Lorenz curve were used as the analysis tool. The analysis was supplemented with estimates of popular inequality measures – including the Gini coefficient and the Atkinson coefficient as well as the social welfare function (Sen index). In addition, a simple de-composition was also presented due to the Gini coefficient. Analysis with use of the Lorenz curves showed that in some cases these curves intersect each other. This makes it impossible to simply draw conclusions about the order of these distributions and is a frequently encountered problem in empirical research. As it turns out, the rankings generated by the Gini coefficient, the Atkinson coefficient and the Sen index are relatively consistent. The regions with the highest level of earnings inequalities includes among others: mazowieckie, dolnośląskie, śląskie, pomorskie and małopolskie. pl_PL.UTF-8
dc.language.iso pol pl_PL.UTF-8
dc.publisher Wydawnictwo Uniwersytetu Rzeszowskiego pl_PL.UTF-8
dc.rights Attribution-NonCommercial-NoDerivatives 4.0 Międzynarodowe *
dc.rights.uri http://creativecommons.org/licenses/by-nc-nd/4.0/ *
dc.subject zróżnicowanie płac pl_PL.UTF-8
dc.subject współczynnik Giniego pl_PL.UTF-8
dc.subject krzywa Lorenza pl_PL.UTF-8
dc.subject analizy regionalne pl_PL.UTF-8
dc.subject wage disparities pl_PL.UTF-8
dc.subject Gini coefficient pl_PL.UTF-8
dc.subject Lorenz curve pl_PL.UTF-8
dc.subject regional analysis pl_PL.UTF-8
dc.title Zróżnicowanie płac w polskich województwach – analiza z wykorzystaniem popularnych miar nierówności pl_PL.UTF-8
dc.type article pl_PL.UTF-8
dc.identifier.doi 10.15584/nsawg.2018.3.24


Files in this item

The following license files are associated with this item:

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivatives 4.0 Międzynarodowe Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivatives 4.0 Międzynarodowe

Search DSpace


Browse

My Account

Statistics

Informacje