[OTWARTY DOSTĘP] Econometrics. Ekonometria. Advances in Applied Data Analysis 2024, vol. 28. no. 4
Cena regularna:
towar niedostępny
dodaj do przechowalni
Opis
Spis treści
Redaktor: Józef Dziechciarz
e-ISSN: 2449-9994
Liczba stron: 23
Czasopismo publikowane elektroniczne w otwartym dostępie na licencji CC by SA 4.0
Wersja elektroniczna/otwarty dostęp: DBC
Bieżący numer czasopisma Econometrics. Ekonometria. Advances in Applied Data Analysis składa się z dwóch artykułów. W artykule zatytułowanym „Sygnalizowanie inkluzywności: Determinanty inkluzywności korporacyjnej wobec osób LGBTQIA+ w ramach teorii sygnalizacji” Kinga Siuta przedstawia innowacyjny, ale niezwykle aktualny i społecznie istotny problem oceny, w jaki sposób amerykańskie korporacje wdrażają swoje deklaracje zaangażowania na rzecz integracji LGBTQ+. W drugim artykule „Uczenie maszynowe i statystyczne metody wykrywania anomalii – porównawcza analiza symulacyjna” Klaudia Lenart bada zjawisko znane jako anomalia. Anomalia to obserwacja lub grupa nietypowych obserwacji dla danego zestawu danych. W analizie danych statystycznych i modelowaniu ekonometrycznym wykrywanie anomalii ma kluczowe znaczenie dla integralności wyników.
Słowa kluczowe: Indeks Równości Korporacyjnej, teoria sygnalizacji, wykrywanie anomalii, badanie symulacyjne, uczenie maszynowe
Introduction V
Kinga Siuta: Signaling Inclusivity: Unveiling the Determinants of Corporate LGBTQIA+ Inclusivity Through Signaling Theory/ Sygnalizowanie inkluzywności: Determinanty inkluzywności korporacyjnej wobec osób LGBTQIA+ w ramach teorii sygnalizacji 1
Klaudia Lenart: Comparison of Machine Learning and Statistical Approaches of Detecting Anomalies Using a Simulation Study/ Uczenie maszynowe i statystyczne metody wykrywania anomalii – porównawcza analiza symulacyjna 23