762 Szakirodalom
Statisztikai Szemle, 96. évfolyam 7. szám 756–764. oldal sen. A szerző széles körű (különösen a multi-
nacionális felmérésekben szerzett) kutatási ta- pasztalatára alapozva sok empirikus példát is felsorakoztat.
OLIVEIRA, T. A. – KITSOS, C. P. – OLIVEIRA,A.–GRILO,L.(eds.)[2018]: Recent Studies on Risk Analysis and Statistical Model- ing. (Új kockázatelemzési és statisztikai mod- ellezési tanulmányok.) Springer. Cham.
A kötet a kockázatelemzés újdonságairól nyújt áttekintést. A statisztikai módszereket fontos döntéstámogató eszközökként már rég-
óta alkalmazzák a kockázatelemzésben. Így a XXI. században, amikor nap mint nap külön- böző (például biztonsági, egészségügyi stb.) kockázatokkal nézünk szembe, magától érte- tődő, hogy foglalkonunk kell e témával, illetve a statisztikai modellezést összekapcsoló elmé- leti és gyakorlati kérdésekkel. A szerzők amel- lett, hogy bemutatják a módszertani újdonsá- gokat, tárgyalják orvostudományi, biológiai, biztosítási, farmakológiai, mezőgazdasági stb.
alkalmazásukat is, valamint elősegítik haszná- latukat új szakterületeken. A kötet posztgradu- ális hallgatók és kutatók számára íródott.
Társfolyóiratok
AZ ANGOL KIRÁLYI STATISZTIKAI TÁRSASÁG FOLYÓIRATA
(A SOROZAT) 2018. ÉVI 1. SZÁM
Nielsen, M. Ø. – Shibaev, S. S.: Forecasting daily political opinion polls using the fractional- ly cointegrated vector auto‐regressive model.
Khan, D. et al.: Spatiotemporal trends in teen birth rates in the USA, 2003–2012.
Grant, Ch. – Padula, M.: The repayment of unsecured debt by European households.
Yavuz, I. – Chng, Y. – Wahed, A. S.: Esti- mating the cumulative incidence function of dynamic treatment regimes.
Baena‐Mirabete, S. – Puig, P.: Parsimoni- ous higher order Markov models for rating transitions.
Brown, S. et al.: Modelling illegal drug participation.
Abbate, A. – Marcellino, M.: Point, inter- val and density forecasts of exchange rates with time varying parameter models.
West, B. T. et al.: Can conversational in- terviewing improve survey response quality without increasing interviewer effects?
Rice, K. – Higgins, J. P. T. – Lumley, Th.:
A re‐evaluation of fixed effect(s) me- ta‐analysis.
Moore, J. C. – Durrant, G. B. – Smith, P.
W. F.: Data set representativeness during data collection in three UK social surveys: general- izability and the effects of auxiliary covariate choice.
Mazza, J. – van Ophem, H.: Separating risk from heterogeneity in education: a semi- parametric approach.
DiazOrdaz, K. – Franchini, A. J. – Grieve, R.: Methods for estimating complier average causal effects for cost‐effectiveness analysis.
Roberts, J. – Popli, G. – Harris, R. J.: Do environmental concerns affect commuting choices?: hybrid choice modelling with house- hold survey data.
2018. ÉVI 2. SZÁM
Chevalier, A. – Dolton, P. – Lührmann, M.: ‘Making it count’: incentives, student ef- fort and performance.
Szakirodalom 763
Statisztikai Szemle, 96. évfolyam 7. szám 756–764. oldal Titiunik, R. – Feher, A.: Legislative behav-
iour absent re-election incentives: findings from a natural experiment in the Arkansas Senate.
Schierholz, M. et al.: Occupation coding during the interview.
Sologon, D. M. – Van Kerm, Ph.: Model- ling earnings dynamics and inequality: foreign workers and inequality trends in Luxembourg, 1988–2009.
Huber, M. – Lechner, M. – Strittmatter, A.:
Direct and indirect effects of training vouchers for the unemployed.
Mukhopadhyay, S. – Sahu, S. K.: A Bayes- ian spatiotemporal model to estimate long‐term exposure to outdoor air pollution at coarser administrative geographies in England and Wales.
Nicoletti, Ch. – Rabe, B.: The effect of school spending on student achievement: ad- dressing biases in value‐added models.
Plewis, I.: Multiple regression, longitudi- nal data and welfare in the 19th century: reflec- tions on Yule (1899).
Lee, K. et al.: Discovering effect modifica- tion in an observational study of surgical mor- tality at hospitals with superior nursing.
Wood, J. T.: Obituary: Geoffrey Harry Freeman, 1928–2017.
AZ EGYESÜLT NEMZETEK EURÓPAI GAZDASÁGI BIZOTTSÁGÁNAK
FOLYÓIRATA 2018. ÉVI 1. SZÁM
Condon, K. M.: Interview with Nancy Elizabeth McBeth.
Torrieri, N. K.: Conversation with Michael R. Ratcliffe.
Scheuren, F.: SOI at 100: Traditionally enumerative, now more and more analytic.
Johnson, B. W. – Ludlum, M. – Rib, T.:
Using administrative records to improve offi- cial statistics produced by the Statistics of In- come Division, IRS.
Liu, Y. K. et al.: Applying weight calibra- tion on panel data to produce cross-sectional estimates.
Buckel, J. et al.: Estimating persistence in employee business expense correspondence examinations using Hidden Markov and Semi- Markov models.
Henry, K. – Haines, T. – Bryant, V.: Compar- ing design-based methods to improve zip code- level estimates from tax administration data.
Johnson, B. W. – Raub, B.: How much longevity can money buy? Estimating mortali- ty rates for wealthy individuals.
Chetty, R. et al.: The SOI Databank: A case study in leveraging administrative data in support of evidence-based policymaking.
Kennickell, A. B.: Crooked roads: SOI at 100.
A KÖZPONTI STATISZTIKAI HIVATAL FOLYÓIRATA
2018. ÉVI 2. SZÁM
Németh Á. – Dövényi Z.: „Kiművelt em- berfők” a térben – A diplomások területi elosz- lása valóban a kiegyenlítődés irányába mutat?
Pregi L.: A magyarországi közoktatásban részt vevő szlovák állampolgárok területi megoszlása.
Kiss J. P. – Szalkai G.: Az ingázás mobili- tási jellemzői a legutóbbi népszámlálások ada- tai alapján.
764 Szakirodalom
Statisztikai Szemle, 96. évfolyam 7. szám 756–764. oldal Döbrönte K.: A közép-európai városok
pozíciója a magas szintű üzleti szolgáltatók lo- kációs döntéseiben.
AZ OROSZ ÁLLAMI STATISZTIKAI BIZOTTSÁG FOLYÓIRATA
2018. ÉVI 1. SZÁM
Oksenoyt, G. K.: Digitális stratégia, Big Data és a hivatalos statisztika.
Burtseva, T. A.: A Kalugai terület befekte- tési vonzerejének meghatározó tényezői.
Martynov, A. P. – Bogoslovskaya, S. S.:
Életszínvonal és -minőség a Volga Menti Szö- vetségi Körzetben. A jelenlegi helyzet és a fej- lődés dinamikája.
Philippova, A. V.: A gyermekek után járó jut- tatások oroszországi regionális összehasonlítása.
Dumnov, A. D. – Kharitonova, A. E.: A környezetvédelmi tevékenységek megjelenése a nemzeti számlákban – nemzetközi szabvá- nyok és ajánlások.
Polunina, M. V. – Elnikova, E. A. – Avetisyan, S. T.: A népesedésstatisztika új di- gitális forrása.
Polyakova, T. M.: Mihail Antonovics Korolev (1931–2016) – a kutató, az oktató és az államférfi.
2018. ÉVI 2. SZÁM
Kuranov, G. O.: A rövid távú becslések és makrogazdasági előrejelzések módszertani kérdései.
Obraztsova, O. I. – Dukhon, A. B.: A kis- vállalkozások szerepe a fenntartható fejlődési
célok elérésében: kvalitatív elemzés az orosz állami statisztikáról.
Chudinovskikh, O. S.: Big Data és a ván- dorlásstatisztika.
Azam, S. E.: Üzbegisztán exportjának to- vábbi növelése – kihívások és lehetőségek.
Pashintseva, N. I.: A kutatás-fejlesztési statisztikákkal kapcsolatos módszertani kér- dések.
Saraikin, V. A.: Az egyéni gazdaságok osz- tályozásának alkalmazása a megfigyelési mód- szerek javítása érdekében.
Burova, N. V.: Beszámoló a „Statisztika a digitális gazdaságban – oktatás és alkalma- zás” című nemzetközi tudományos konferen- ciáról.
2018. ÉVI 3. SZÁM
Surinov, A. E.: Digitális gazdaság – milyen kihívásokkal néz szembe az orosz statisztika?
Karelina, M. G. – Mkhitarian, V. S.: Az orosz vállalkozások egyesülésének, illetve fel- vásárlásának statisztikai vizsgálata és integrá- ciós tevékenységük értékelése.
Lola, I. S.: Nemkvantitatív megfigyelések, valamint eredményeik feldolgozásának mód- szerei az orosz információs technológiai piac statisztikai elemzésében.
Shinkarenko, T. V.: A regionális GDP számítására szolgáló eljárások összehasonlí- tása.
Umanets, L. V.: Egyenlőtlenség és sze- génység a jó fizetést kínáló Moszkvában.
Tatarinov, A. A. – Fomenko, G. A. – Fomenko, M. A.: Az orosz környezetgazda- sági számlák rendszerével kapcsolatos kihí- vások.
Pyatov, M. L. – Glinskii, V. V.: Hogyan közelítették Jaroszlav V. Szokolov munkái az emberekhez a statisztikát?