Klasyfikacje krajów Unii Europejskiej z uwagi na struktury zatrudnienia w sektorach i wybranych sekcjach – ocena zgodności podziałów
Małgorzata Markowska, Danuta Strahl
Prace Komisji Geografii Przemysłu Polskiego Towarzystwa Geograficznego · 2020
doi:10.24917/20801653.341.1 (opens in a new tab)
We email you when a new notice or a question about this paper appears.
Abstract
Zasadniczym celem artykułu jest ocena (z wykorzystaniem miary podobieństwa podziałów) związku między sektorową strukturą zatrudnienia (sektory: 1 – rolnictwo, leśnictwo i rybołówstwo; górnictwo i wydobywanie; 2 – przemysł; 3 – zaopatrzenie w energię elektryczną, gaz, parę wodną i klimatyzację; zaopatrzenie w wodę i budownictwo; 4 – usługi) a strukturą zatrudnienia w wybranych sekcjach tych sektorów, wydzielonych z uwagi na zaawansowanie technologiczne i intensywność wykorzystania wiedzy, w krajach Unii Europejskiej. Klasyfikacja państw Unii Europejskiej metodą pełnego wiązania, ze względu na strukturę zatrudnienia w sektorach oraz ocenianych sekcjach w roku 2008 i 2018, umożliwiła wydzielenie, w granicznych latach, różnolicznych grup: odpowiednio ośmiu i sześciu grup krajów, uwzględniając strukturę zatrudnienia w sektorach, oraz ośmiu i dziewięciu grup krajów w przypadku wyodrębnionych sekcji przemysłu o odmiennych poziomach zaawansowania technologicznego i usług, o różnej intensywności wykorzystania wiedzy. Do oceny podobieństwa otrzymanych klasyfikacji, a w konsekwencji do oceny relacji między badanymi strukturami zatrudnienia, stanowiącej cel badawczy artykułu, wykorzystano zaproponowaną przez A. Sokołowskiego (1976) miarę podobieństwa podziałów, która dla ocenianych układów wynosiła: struktury sektorowe w roku 2008 i 2018 – 0,839, struktury sekcji w roku 2008 i 2018 – 0,913, struktury sektorowe i w sekcjach w roku 2008 – 0,704, struktury sektorowe i w sekcjach w roku 2018 – 0,807.
Abstract licence: CC BY-ND
Reads
Read by people on this page
None yet.
Checked or read by AI through naulon
None yet.
A person counts once a day per paper. We keep no cookie and no address: a reader is a hash that changes every day. Any month under five reads shows no number.
Are you an author?
Is this your paper?
Claim it to add your note and be paid when agents cite it. Free.