W najnowszym numerze „Przeglądu Statystycznego. Statistical Review”
Numer 3/2026 „Przeglądu Statystycznego. Statistical Review”, opublikowany 30 września 2026 r., zawiera trzy artykuły naukowe oraz wspomnienie prof. Władysława Bukietyńskiego.
W pierwszym artykule, zatytułowanym Artificial intelligence and energy intensity nexus in European Union economies: The moderating role of digital transformation, Andrzej Geise porusza zagadnienie istotne w kontekście jednego z głównych wyzwań Unii Europejskiej, a mianowicie temat dotyczący zmniejszania energochłonności gospodarek UE przy jednoczesnej kontynuacji ich zielonej i cyfrowej transformacji. W badaniu omawianym w artykule autor analizuje wpływ potencjału innowacyjnego sztucznej inteligencji na energochłonność w UE oraz łagodzący to zjawisko efekt cyfryzacji. W pracy wykorzystano dane panelowe dla państw członkowskich Wspólnoty z lat 2017–2022 i zastosowano modele efektów stałych. Jako miarę potencjału innowacyjnego AI przyjęto patenty związane ze sztuczną inteligencją. Wyniki pokazują, że potencjał innowacyjny AI jest ujemnie skorelowany z energochłonnością, co oznacza, że innowacje w dziedzinie AI oparte na wiedzy mogą przyczyniać się do większej efektywności energetycznej gospodarki. Zależność ta jest jednak powiązana z poziomem zaawansowania cyfrowego danego kraju: gospodarki bardziej rozwinięte cyfrowo wykazują tendencję do lepszego przekładania innowacji związanych z AI na efektywność energetyczną niż kraje mniej zaawansowane cyfrowo.
Krzysztof Siegieda w artykule Convergence to multiple price equilibria in algorithmic collusion stawia pytanie, czy algorytmy cenowe mogą wchodzić w zmowę i w efekcie tworzyć monopol, zamiast mu zapobiegać. Autor zauważa, że w badaniach symulacyjnych nad zmowami algorytmicznymi często podsumowuje się wyniki za pomocą średnich cen i zysków. Takie zestawienia nie pokazują jednak różnorodności i rozkładów poszczególnych cen, cykli i reżimów zmowy. W pracy, wykorzystując sprawdzony model symulacyjny do badania działań algorytmów cenowych, przeprowadzono symulacje dla trzech konfiguracji pamięci: symetrycznej jednookresowej, jednookresowej w zestawieniu z brakiem pamięci oraz jednookresowej w zestawieniu z pamięcią dwuokresową. Kluczowym wnioskiem z badania jest to, że wprowadzenie asymetrii pamięci – będącej realistyczną formą heterogeniczności między firmami – nie rozbija zmowy. W kontekście polityki konkurencji wyniki te pokazują, że monitoring rynku powinien wykraczać poza analizę poziomów cen.
Emilia Tomczyk w artykule The impact of the COVID-19 shock on response distributions in business tendency surveys: An application of the Kullback–Leibler divergence wykorzystuje dywergencję Kullbacka-Leiblera (KLD) do ilościowego określenia rozbieżności między oczekiwaniami względem koniunktury gospodarczej a jej późniejszymi ocenami w badaniach polskich przedsiębiorstw produkcyjnych. Na podstawie miesięcznych danych ankietowych autorka bada spójność tych relacji oraz ich ewolucję w czasie pandemii COVID-19. Wyniki pokazują, że w normalnych warunkach oczekiwania względem koniunktury i jej późniejsze oceny są zbieżne, co wskazuje na wysoki stopień spójności. Jednakże w pandemii można było zaobserwować między nimi pogłębiającą się lukę. Największe różnice wystąpiły w przypadku zagregowanych wskaźników gospodarczych, w szczególności dotyczących ogólnej sytuacji gospodarczej, oraz – w mniejszym stopniu – kondycji finansowej przedsiębiorstw. Badanie dowodzi, że dywergencja Kullbacka-Leiblera jest użyteczną miarą opartą na rozkładzie do identyfikacji zmian reżimu w formułowaniu oczekiwań oraz do oceny zawartości informacyjnej danych ankietowych w zmieniających się warunkach gospodarczych.
Numer zamyka tekst Ewy Konarzewskiej-Gubały upamiętniający prof. Władysława Bukietyńskiego, wybitnego polskiego matematyka i statystka, zatytułowany In memory of Professor Władysław Bukietyński (1928–1996).
Życzymy inspirującej lektury.