@misc{Derda_Aleksandra_Diagnoza_2024,
 author={Derda, Aleksandra},
 contributor={Stanimir, Agnieszka. Redakcja},
 identifier={DOI: 10.15611/2024.76.5.02},
 year={2024},
 rights={Pewne prawa zastrzeżone na rzecz Autorów i Wydawcy},
 description={Derda, A. (2024). Diagnoza nierówności płacowej wśród sportowców z wykorzystaniem metod uczenia maszynowego. W: A. Stanimir (red.), Współczesne problemy społeczno-ekonomiczne w ujęciu analitycznym (s. 25-41). Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu.},
 publisher={Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu},
 language={pol},
 abstract={Głównym celem pracy jest udowodnienie – z wykorzystaniem metody XGBoost – występowania luki płacowej w sporcie na podstawie wypłat koszykarzy i koszykarek z lig NBA i WNBA. Sprawdzano również prawdziwość stwierdzenia, że na wysokość wypłaty wpływają cechy fizyczne, popularność oraz skuteczność na boisku w obronie i ataku zawodnika lub zawodniczki. Utworzono jeden model, którego wyniki uznano za zadowalające. Porównano dla tego modelu wpływ poszczególnych zmiennych z wykorzystaniem trzech różnych metod. Uzyskano spójne wyniki potwierdzające, że poza skutecznością w obronie wszystkie z zakładanych czynników wpływających na wysokość wypłaty okazały się istotne. Potwierdzono również występowanie dyskryminacji płacowej ze względu na płeć.},
 title={Diagnoza nierówności płacowych wśród sportowców z wykorzystaniem metod uczenia maszynowego},
 type={rozdział},
 keywords={modelowanie ekonometryczne, autokorelacja przestrzenna, metoda wzorca rozwoju, SARIMA, klasyczna metoda najmniejszych kwadratów},
}