Sytuacja dochodowa gospodarstw domowych w województwie łódzkim

Autorzy

Alina Jędrzejczak
Uniwersytet Łódzki Wydział Ekonomiczno-Socjologiczny, Katedra Metod Statystycznych; Urząd Statystyczny w Łodzi
https://orcid.org/0000-0002-5478-9284
Dorota Pekasiewicz
Uniwersytet Łódzki Wydział Ekonomiczno-Socjologiczny, Katedra Metod Statystycznych
https://orcid.org/0000-0001-8275-3345

Słowa kluczowe:

województwo łódzkie, rozkład dochodów, nierówności, ubóstwo, zamożność

Streszczenie

Analiza sytuacji ekonomicznej w oparciu o nierówności dochodowe i ubóstwo jest bardzo ważnym zagadnieniem, które wymaga ciągłego monitoringu. W Polsce dużo uwagi poświęca się tworzeniu licznych programów mających na celu wzrost jakości życia, co prowadzi między innymi do wzrostu dochodów różnych grup społecznych; brakuje jednak systemowej oceny efektów prowadzonej polityki. Publikacja w pewnym stopniu wypełnia tę lukę. Analiza zmian w rozkładzie dochodów przeprowadzona została dla województwa łódzkiego, które w badanym okresie, 2016-2020, było narażone z jednej strony na wpływ pandemii Covid’19, a z drugiej na szybki wzrost gospodarczy i działanie licznych programów społecznych. Pogłębiona analiza rozkładów dochodów w województwie łódzkim, oparta na porównaniach zarówno w czasie jak i w podziale na grupy społeczno-ekonomiczne gospodarstw domowych, była możliwa dzięki zastosowaniu metod statystycznych opartych na rozkładach empirycznych oraz teoretycznych. Do opisu rozkładu dochodów zaprezentowane zostały wszystkie najczęściej wykorzystywane rozkłady teoretyczne: rozkład logarytmiczno-normalny, Daguma, Singha-Maddali i Pareta. Do analizy nierówności w rozkładzie dochodów wykorzystano krzywe koncentracji oraz współczynnik Giniego, Zengi, zróżnicowania kwintylowego, decylowego i skrajnych części rozkładu oraz wskaźnik maksymalnego wyrównania. Spośród miar ubóstwa do analizy zaproponowano: wskaźnik zagrożenia ubóstwem, indeks luki dochodowej ubogich, wskaźnik dotkliwości ubóstwa. Zamożność teoretycznie została opisana za pomocą granicy zamożności oraz opartego na niej wskaźnika zamożności. Analiza uzupełniona została prezentacją graficzną wyników, która pozwoliła na ocenę zmian, jakie zaszły w całym rozkładzie dochodów w województwie łódzkim na tle kraju.

Bibliografia

Aly E.-E.A.A., Hervas M.O. (1999), Nonparametric Inference for Zenga’s Measure of Income Inequality, „Metron”, LVII, s. 69–84.
Zobacz w Google Scholar

Atkinson A.B., Rainwater L., Smeeding T.M. (1995), Income Distribution in OECD Countries: Evidence from the Luxembourg Income Study, „Social Policy Studies”, 18, OECD, Paris.
Zobacz w Google Scholar

Betti G., Verma V.K. (1999), Measuring the Degree of Poverty in a Dynamic and Comparative Context: A Multidimensional Approach Using Fuzzy Set Theory, „Proceedings”, 11, s. 27–31.
Zobacz w Google Scholar

Brzeziński M. (2014), Statistical Inference for Richness Measures, „Applied Economics”, 46 (14), s. 1599–1608.
Zobacz w Google Scholar

Buhmann B., Rainwater L., Schmaus G., Smeeding T.M. (1988), Equivalence Scales, Well-Being, Inequality, and Poverty: Sensitivity Estimates across Ten Countries Using the Luxembourg Income Study (LIS) Database, „The Review of Income and Wealth”, 34 (2), 115–142.
Zobacz w Google Scholar

Dagum C. (1977), A New Model of Personal Income Distribution: Specification and Estimation, „Économie appliquée”, 30, s. 413–437.
Zobacz w Google Scholar

Dagum C., Lemmi A. (1989), A Contribution to the Analysis of Income Distribution and Income Inequality and a Case Study: Italy, „Research on Economic Inequality”, 1, s. 123–157.
Zobacz w Google Scholar

Fei J.C.H., Ranis G., Kuo S.W.Y. (1978), Growth and the Family Distribution of Income by Factor Components, „The Quarterly Journal of Economics”, 92 (1), s. 17–53.
Zobacz w Google Scholar

Gini C. (1914), Sulla Misura della Concentrazione e della Variabilita dei Caratteri, Atti del R. Istituto Veneto di SS.LL.AA., 73, 1203–1248.
Zobacz w Google Scholar

Greselin F., Jędrzejczak A. (2020), Analyzing the Gender Gap in Poland and Italy, and by Regions, „International Advances in Economic Research”, 26 (4), s. 433–447.
Zobacz w Google Scholar

Greselin F., Pasquazzi L. (2009), Asymptotic Confidence Intervals for a New Inequality Measure, „Communications in Statistics – Simulation and Computation”, 38 (8), s. 1742–1756.
Zobacz w Google Scholar

Greselin F., Pasquazzi L., Zitikis R. (2013), Contrasting the Gini and Zenga Indices of Economic Inequality, „Journal of Applied Statistics”, 40 (2), s. 282–297.
Zobacz w Google Scholar

GUS (2017), Rocznik Statystyczny Województw 2017, data publikacji: 19.01.2018, https://stat.gov.pl/obszary-tematyczne/roczniki-statystyczne/roczniki-statystyczne/rocznik-statystyczny-wojewodztw-2017,4,12.html [dostęp: 21.03.2023].
Zobacz w Google Scholar

GUS (2018), Rocznik Statystyczny Województw 2018, data publikacji: 18.01.2019, https://stat.gov.pl/obszary-tematyczne/roczniki-statystyczne/roczniki-statystyczne/rocznik-statystyczny-wojewodztw-2018,4,13.html [dostęp: 21.03.2023].
Zobacz w Google Scholar

GUS (2019), Rocznik Statystyczny Województw 2019, data publikacji: 22.01.2020, https://stat.gov.pl/obszary-tematyczne/roczniki-statystyczne/roczniki-statystyczne/rocznik-statystyczny-wojewodztw-2019,4,14.html [dostęp: 21.03.2023].
Zobacz w Google Scholar

GUS (2020), Rocznik Statystyczny Województw 2020, data publikacji: 21.01.2021, https://stat.gov.pl/obszary-tematyczne/roczniki-statystyczne/roczniki-statystyczne/rocznik-statystyczny-wojewodztw-2020,4,15.html [dostęp: 21.03.2023].
Zobacz w Google Scholar

GUS (2021a), Rocznik Statystyczny Województw 2021, data publikacji: 31.12.2021, https://stat.gov.pl/obszary-tematyczne/roczniki-statystyczne/roczniki-statystyczne/rocznik-statystyczny-wojewodztw-2021,4,16.html [dostęp: 21.03.2023].
Zobacz w Google Scholar

GUS (2021b), Budżety gospodarstw domowych w 2020 roku, data publikacji: 30.09.2021, https://stat.gov.pl/obszary-tematyczne/warunki-zycia/dochody-wydatki-i-warunki-zycia-ludnosci/budzety-gospodarstw-domowych-w-2020-roku,9,15.html [dostęp: 21.03.2023].
Zobacz w Google Scholar

GUS (2021c), Ubóstwo w Polsce w latach 2019 i 2020, GUS Warszawa, https://stat.gov.pl/files/gfx/portalinformacyjny/pl/defaultaktualnosci/5487/1/10/1/ubostwo_w_polsce_w_latach_2019_i_2020_2.pdf [dostęp: 21.03.2023].
Zobacz w Google Scholar

Harrell F.E., Davis C.E. (1982), A New Distribution-Free Quantile Estimator, „Biometrika” 69 (3), s. 635–640.
Zobacz w Google Scholar

Huang M.L., Brill P.H. (1999), A Level Crossing Quantile Estimation Method, „Statistics & Probability Letters”, 45 (2), s. 111–119.
Zobacz w Google Scholar

Jędrzejczak A. (2011), Metody analizy rozkładów dochodów i ich koncentracji, Wydawnictwo Uniwersytetu Łódzkiego, Łódź.
Zobacz w Google Scholar

Jędrzejczak A. (2014), Income Inequality and Income Stratification in Poland, „Statistics in Transition”, 15 (2), s. 269–283.
Zobacz w Google Scholar

Jędrzejczak A. (2015), Regional Income Inequalities in Poland and Italy, „Comparative Economic Research”, 18 (4), s. 27–45.
Zobacz w Google Scholar

Jędrzejczak A., Pekasiewicz D. (2020), Teoretyczne rozkłady dochodów gospodarstw domowych i ich estymacja, Wydawnictwo Uniwersytetu Łódzkiego, Łódź.
Zobacz w Google Scholar

Jędrzejczak A., Pekasiewicz D. (2022), Nierównomierność ekwiwalentnych dochodów gospodarstw domowych w województwie łódzkim, „Wiadomości Statystyczne”, 67 (6), s. 29–51.
Zobacz w Google Scholar

Kleiber C., Kotz S. (2003), Statistical Size Distributions in Economics and Actuarial Sciences, Wiley, Hoboken.
Zobacz w Google Scholar

Kordos J. (2005), Household Surveys in Transition Countries. Chapter XXV, [w:] Household Sample Surveys in Developing and Transition Countries, United Nations, New York, http://unstats.un.org/unsd/hhsurveys/part2_new.htm [dostęp: 21.03.2023].
Zobacz w Google Scholar

Kordos J., Lednicki B., Żyra M. (2002), The Household Sample Surveys in Poland, „Statistics in Transition”, 5 (4), s. 555–589
Zobacz w Google Scholar

Kordos J., Stroińska Z. (1971), Statystyczne metody analizy rozkładu płac i dochodów ludności, seria: Z Prac Zakładu Badań Statystyczno-Ekonomicznych, 62, Główny Urząd Statystyczny, Warszawa.
Zobacz w Google Scholar

Kośny M. (2019), Upper Tail of the Income Distribution in Tax Records and Survey Data. Evidence from Poland, „Argumenta Oeconomica”, 1 (42), s. 55–80.
Zobacz w Google Scholar

Kośny M., Yalonetzky G. (2015), Relative Income Change and Pro-Poor Growth, „Journal of Analytical and Institutional Economics”, 32 (3), s. 311–327.
Zobacz w Google Scholar

Kot S.M. (1995), A Probabilistic Model of Size Distribution of Income with Covariates, „Przegląd Statystyczny”, 42 (2), s. 155–180.
Zobacz w Google Scholar

Kot S.M. (2000), Ekonometryczne modele dobrobytu, Wydawnictwo Naukowe PWN, Warszawa.
Zobacz w Google Scholar

Kot S.M. (2008), Polaryzacja ekonomiczna. Teoria i zastosowanie, Wydawnictwo Naukowe PWN, Warszawa.
Zobacz w Google Scholar

Kruszka K. (1989), Miary podobieństwa struktury obiektów społeczno-ekonomicznych (studium porównawcze), „Zeszyty Naukowe. Seria I”, Akademia Ekonomiczna w Poznaniu, 159, s. 48–65.
Zobacz w Google Scholar

Lorenz M.O. (1905), Methods of Measuring the Concentration of Wealth, „Publications of the American Statistical Association”, 9 (70), s. 209–219.
Zobacz w Google Scholar

Łukasiewicz P., Koszela G., Orłowski A. (2006), Wpływ wyboru skali ekwiwalentności na wyniki w zakresie pomiaru ubóstwa i koncentracji dochodów, „Zeszyty Naukowe SGGW – Ekonomika i Organizacja Gospodarki Żywnościowej”, 60, s. 207–217.
Zobacz w Google Scholar

Mandelbrot B. (1963), New Methods in Statistical Economics, „The Journal of Political Economy”, 71 (5), s. 79–106.
Zobacz w Google Scholar

Mazurek E., Ostasiewicz K. (2013), Comparison of the Gini and Zenga Indexes Using Some Theoretical Income Distributions Abstract, „Operations Research and Decisions”, 23 (1), s. 37–62.
Zobacz w Google Scholar

Missalowa G. (1964, 1967), Studia nad powstaniem łódzkiego okręgu przemysłowego. 1815–1870, t. 1–2, Wydawnictwo Łódzkie, Łódź.
Zobacz w Google Scholar

Panek T. (2011), Ubóstwo, wykluczenie społeczne i nierówności. Teoria i praktyka pomiaru, Szkoła Główna Handlowa, Warszawa.
Zobacz w Google Scholar

Panek T., Podgórski J., Szulc A. (1999), Ubóstwo: teoria i praktyka pomiaru, seria: Monografie i Opracowania, 453, Szkoła Główna Handlowa, Warszawa.
Zobacz w Google Scholar

Pareto V. (1895), La legge della domanda, „Giornale Degli Economisti”, 10, s. 59–68.
Zobacz w Google Scholar

Pareto V. (1897), Cours d’économie politique, Rouge, Lausanne.
Zobacz w Google Scholar

Pawłowski Z. (1960), Badania elastyczności popytu a rozkład dochodów, „Przegląd Statystyczny”, 7 (4), s. 445–465.
Zobacz w Google Scholar

Peichl A., Schaefer T., Scheicher Ch. (2008), Measuring Richness and Poverty: A Micro Data Application to Europe and Germany, „IZA Discussion Paper”, 3790, https://www.iza.org/publications/dp/3790/measuring-richness-and-poverty-a-micro-data-application-to-europe-and-germany [dostęp: 21.03.2023].
Zobacz w Google Scholar

Podolec B., Ulman P., Wałęga A. (2008), Aktywność ekonomiczna a sytuacja materialna gospodarstw domowych, Wydawnictwo Uniwersytetu Ekonomicznego w Krakowie, Kraków.
Zobacz w Google Scholar

Porro F., Zenga M.M. (2014), The Decomposition by Subgroups of the Inequality Curve Z(p) and the Inequality Index ζ, [w:] S. Cabras, T. Di Battista, W. Racugno (eds.), Proceeding of the 47th Scientific Meeting of the Italian Statistical Society, Cagliari.
Zobacz w Google Scholar

Pyatt G. (1976), On the Interpretation and Disaggregation of Gini Coefficients, „The Economic Journal”, 86 (342), s. 243–255.
Zobacz w Google Scholar

Puś W. (1987), Dzieje Łodzi przemysłowej, Wydawnictwo Muzeum Historii Miasta Łodzi, Łódź.
Zobacz w Google Scholar

Rusnak Z. (2011), Pomiar ubóstwa i wykluczenia społecznego – problemy metodologiczne, „Zeszyty Naukowe Wyższej Szkoły Bankowej we Wrocławiu”, 20, s. 387–408.
Zobacz w Google Scholar

Sen A. (1973), On Economic Inequality, Clarendon Press, Oxford.
Zobacz w Google Scholar

Sen A. (1976), Poverty: An Ordinal Approach to Measurement, „Econometrica”, 44 (2), s. 219–231.
Zobacz w Google Scholar

Sen A.K. (1997), From Income Inequality to Economic Inequality, „Southern Economic Journal”, 64 (2), s. 384–401.
Zobacz w Google Scholar

Singh S.K., Maddala G.S. (1976), A Function for Size Distribution of Incomes, „Econometrica”, 44 (5), s. 963–970.
Zobacz w Google Scholar

Strategia rozwoju województwa łódzkiego 2020 (2020), Biuro Planowania Przestrzennego Województwa Łódzkiego, http://strategia.lodzkie.pl/wp-content/uploads/2019/10/SRWL_2020.pdf [dostęp: 21.03.2023].
Zobacz w Google Scholar

Szulc A. (1992), Quasi-exact Equivalence Scales Estimation, „Przegląd Statystyczny”, 3/4, s. 302–307.
Zobacz w Google Scholar

Szulc A. (1995), Skale ekwiwalentności w pomiarze dobrobytu gospodarstw domowych, „Polityka Społeczna”, 22 (8), s. 37–42.
Zobacz w Google Scholar

Urząd Statystyczny w Łodzi (2021a), Raport o sytuacji społeczno-gospodarczej województwa łódzkiego 2021, data publikacji: 24.05.2021, https://lodz.stat.gov.pl/publikacje-i-foldery/inne-opracowania/raport-o-sytuacji-spoleczno-gospodarczej-wojewodztwa-lodzkiego-2021,6,13.html [dostęp: 21.03.2023].
Zobacz w Google Scholar

Urząd Statystyczny w Łodzi (2021b), Województwo łódzkie w liczbach 2021, data publikacji: 31.12.2021, https://lodz.stat.gov.pl/publikacje-i-foldery/foldery/wojewodztwo-lodzkie-w-liczbach-2021,2,12.html [dostęp: 21.03.2023].
Zobacz w Google Scholar

Urząd Statystyczny w Łodzi (2022), Raport o sytuacji społeczno-gospodarczej województwa łódzkiego 2022, data publikacji: 20.05.2022, https://lodz.stat.gov.pl/publikacje-i-foldery/inne-opracowania/raport-o-sytuacji-spoleczno-gospodarczej-wojewodztwa-lodzkiego-2022,6,14.html [dostęp: 21.03.2023].
Zobacz w Google Scholar

Vielrose E. (1960), Rozkład dochodów według wielkości, Polskie Wydawnictwa Gospodarcze, Warszawa.
Zobacz w Google Scholar

Wiśniewski J. (1934), Rozkład dochodów według wysokości w r. 1929, Instytut Badania Konjunktur Gospodarczych i Cen, Warszawa.
Zobacz w Google Scholar

Zenga M. (1990), Concentration Curves and Concentration Indexes Derived from Them, [w:] C. Dagum, M. Zenga (eds.), Income and Wealth Distribution, Inequality and Poverty, Springer-Verlag, Berlin, s. 94–110.
Zobacz w Google Scholar

Zenga M. (2007), Inequality Curve and Inequality Index Based on the Ratios between Lower and Upper Arithmetic Means, „Statistica & Applicazioni”, 5 (1), s. 3–27.
Zobacz w Google Scholar

Zenga M., Jędrzejczak A. (2020), Decomposition of the Zenga inequality index I(Y) into the contributions of macroregions and income components – an application to data from Poland and Italy, „Argumenta Oeconomica”, 44 (1), s. 100–125.
Zobacz w Google Scholar

Zenga M.M., Pasquazzi L., Zenga M. (2010), Rapporto n. 188: First applications of a new three-parameter distribution for non-negative variables, Dipartimento di Metodi Quantitativi per le Scienze Economiche ed Aziendali, Università degli Studi di Milano Bicocca, Mediolan.
Zobacz w Google Scholar

Zieliński R. (2006), Small-Sample Quantile Estimators in a Large Nonparametric Model, „Communications in Statistics – Theory and Methods”, 35 (7), s. 1223–1241.
Zobacz w Google Scholar

Zieliński W., Jędrzejczak A., Pekasiewicz D. (2018), Estimation of Quantile Ratios of the Dagum Distribution, [w:] M. Papież, S. Śmiech (red.), The 12th Professor Aleksander Zelias International Conference on Modelling and Forecasting of Socio-Economic Phenomena, Foundation of the Cracow University of Economics, Kraków, s. 603–611 https://doi.org/10.14659/SEMF.2018.01.61
Zobacz w Google Scholar

Pobrania

Opublikowane

7 czerwca 2023

Szczegóły dotyczące dostępnego formatu publikacji: ISBN

ISBN

ISBN-13 (15)

978-83-8331-187-6

Szczegóły dotyczące dostępnego formatu publikacji: ISBN (e-book)

ISBN (e-book)

ISBN-13 (15)

978-83-8331-188-3

Inne prace tego samego autora