Informacja o cookies

Zgadzam się Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.

Publikacje Pracowników Politechniki Lubelskiej
Status:
Warianty tytułu:
Prediction of construction and assembly production in the province of Lower Silesia. Part I
Autorzy: Rogalska Magdalena
Rok wydania: 2012
Wersja dokumentu: Drukowana | Elektroniczna
Język: polski
Numer czasopisma: 2
Wolumen/Tom: 11
Strony: 121 - 137
Bazy: BazTech
Efekt badań statutowych NIE
Materiał konferencyjny: NIE
Publikacja OA: TAK
Licencja:
Sposób udostępnienia: Witryna wydawcy
Wersja tekstu: Ostateczna wersja opublikowana
Czas opublikowania: W momencie opublikowania
Data opublikowania w OA: 11 grudnia 2012
Abstrakty: polski | angielski
Artykuł jest częścią pierwszą cyklu „Prognozowanie produkcji budowlano montażowej w województwie dolnośląskim”. Założono, że wynagrodzenie pracowników będzie jedną ze zmiennych niezależnych do wyznaczenia wielkości produkcji. Prognozowano wynagrodzenia pracowników w sektorze budowlanym metodami regresji wielorakiej i metodą autoregresji średniej ruchomej SARIMA. Przeprowadzono analizę wyników obliczając błędy ME, MAE, MPE, MAPE oraz współczynniki Theila I, I2, I12, I22, I32. Sformułowano wnioski z obliczeń. Wyznaczono równanie regresji wielorakiej z 12 predyktorami wytypowanymi spośród 53 zmiennych niezależnych. Uzyskano dane prognozowane do predykcji produkcji budowlano montażowej.
The article is the first part of the series „Prediction construction and assembly production in Lower Silesia.” It was assumed that salary of employees will be one of the independent variables to determine the volume of production. Salaries of employees was predicted, using multiple regression and autoregressive moving average SARIMA methods. An analysis of the results was carried out. The errors ME, MAE, MPE, MAPE and Theil coefficients I, I2, I12, I22, I32 were calculated. Multiple regression equation with 12 predictors was set. Predictors were selected from among the 53 independent variables. Forecasted data were obtained for construction and assembly production prediction.