Słownik metodologiczny · Ludzie statystyki

Oskar Lange (1904–1965) – kim był i co wniósł do statystyki i ekonometrii

Oskar Lange habilitował się ze statystycznego badania koniunktury, w Chicago był wicedyrektorem Komisji Cowlesa i redagował „Econometrica”, a po wojnie kierował Katedrą Statystyki SGPiS i napisał „Wstęp do ekonometrii” (1958). Przedstawiamy biografię naukową, oś czasu i prosty model ekonometryczny z opóźnieniem w R.

Strona główna / Słownik / Oskar Lange
W skrócie: Oskar Lange (1904–1965) – polski ekonomista i statystyk. Habilitował się w 1931 r. na UJ rozprawą o statystycznym badaniu koniunktury, w latach 1938–1945 był profesorem w Chicago i wicedyrektorem Komisji Cowlesa, a po wojnie kierował Katedrą Statystyki SGPiS i napisał „Wstęp do ekonometrii” (1958).

Kim był Oskar Lange?

Oskar Ryszard Lange urodził się 27 lipca 1904 r. w Tomaszowie Mazowieckim. Po maturze (1922) rok studiował na Uniwersytecie Poznańskim, a potem przeniósł się na Wydział Prawa Uniwersytetu Jagiellońskiego, gdzie zajmował się głównie ekonomią i historią. Magisterium uzyskał w 1926 r., a potem został asystentem w Katedrze Ekonomii i Statystyki UJ. Doktorat pod kierunkiem Adama Krzyżanowskiego obronił w 1928 r., a w 1929 r. dostał stypendium na kilkumiesięczne studia ekonomii i statystyki w Wielkiej Brytanii (Siwiński, 2016).

W 1934 r., jako stypendysta Fundacji Rockefellera, wyjechał do Stanów Zjednoczonych, gdzie z krótkimi przerwami został do 1945 r. Po latach na Harvardzie i w kilku innych uczelniach od lipca 1938 r. pracował na University of Chicago, gdzie w 1943 r. został profesorem zwyczajnym. W 1939 r. objął funkcję wicedyrektora Komisji Cowlesa, instytutu wprowadzającego do ekonomii metody matematyczne i statystyczne, a w latach 1943–1945 pełnił obowiązki redaktora naczelnego czasopisma „Econometrica” (Siwiński, 2016).

Po wojnie zrzekł się obywatelstwa amerykańskiego i wrócił do Polski. Był ambasadorem w USA i delegatem przy ONZ (1945–1947), potem posłem, członkiem KC PZPR, a od 1957 r. zastępcą przewodniczącego Rady Państwa (Siwiński, 2016). Na uczelnię wrócił w 1949 r.: do 1956 r. był profesorem statystyki i kierownikiem Katedry Statystyki w Szkole Głównej Planowania i Statystyki (w latach 1952–1955 jej rektorem), kierował też sekcją Statystyki Matematycznej Instytutu Matematyki PAN. Od 1956 r. prowadził Katedrę Ekonomii Politycznej Uniwersytetu Warszawskiego. Zmarł 2 października 1965 r. w Londynie (Siwiński, 2016).

Najważniejsze pomysły

Lange był przede wszystkim ekonomistą teoretykiem, ale stale wracał do statystyki i ekonometrii.

  • Statystyka koniunktury (1931–1932). Habilitował się na podstawie rozprawy „Statystyczne badanie koniunktury gospodarczej”, nagrodzonej później przez Kasę im. Mianowskiego jako najlepsza praca ekonomiczna w Polsce (Siwiński, 2016). W 1932 r. w serii wydawniczej Frankfurckiego Towarzystwa Badań Koniunktury ukazała się jego niemiecka praca o rozproszeniu cen jako mierze statystycznej zakłóceń równowagi gospodarczej (Lange, 1932).
  • Komisja Cowlesa i „Econometrica” (1939–1945). Komisja odegrała dużą rolę w rozwoju ekonometrii i teorii równowagi ogólnej, a Lange był jednym z jej kierowników (Siwiński, 2016). Z tego okresu pochodzą też jego najważniejsze prace z teorii ekonomii, których tu nie omawiamy.
  • „Wstęp do ekonometrii” (1958). Podręcznik opracowany na podstawie wykładów na UW przy współudziale Antoniego Banasińskiego (Lange, 1958); w 1959 r. ukazał się po angielsku jako „Introduction to Econometrics”.
  • Planowanie i Indie. Lange współpracował przy indyjskim planie pięcioletnim i opiniował programy rozwojowe Cejlonu i Egiptu (Łukawer, 2005). Jego „Essays on Economic Planning” wyszły w Kalkucie i Londynie pod auspicjami Indian Statistical Institute, w serii Indian Statistical Series (Lange, 1960) – zob. hasło o twórcy instytutu, Prasancie Chandrze Mahalanobisie.
  • Cybernetyka ekonomiczna. W ostatnich latach napisał m.in. „Całość i rozwój w świetle cybernetyki” (1962) i „Wstęp do cybernetyki ekonomicznej” (1964) (Siwiński, 2016).

Ciekawostka

Przez kilka lat statystyka była jedyną dziedziną, której Lange mógł uczyć na uniwersytecie. Część członków Wydziału Prawa UJ sprzeciwiła się jego habilitacji z powodu działalności w socjalistycznych organizacjach młodzieżowych. Zatwierdzona przez ministerstwo uchwała ograniczyła więc habilitację do statystyki i dała mu prawo wykładania tylko tego przedmiotu. Uprawnienia do wykładania ekonomii politycznej rozszerzono dopiero w 1936 r., gdy Lange był już za granicą. W trymestrze wiosennym 1935 r. przerwał nawet stypendium Rockefellera, by wrócić do Krakowa i poprowadzić zajęcia ze statystyki (Siwiński, 2016).

Historia w pewnym sensie się powtórzyła. Według Łukawera (2005) po wojnie, jako rektor SGPiS, Lange zajmował się statystyką, ale nie wolno mu było publikować z ekonomii politycznej – aż do przełomu 1956 r.

Przykład: funkcja konsumpcji z opóźnieniem

Pokazujemy prosty model dynamiczny: wydatki konsumpcyjne w roku t zależą od dochodu w tym samym roku i od konsumpcji w roku poprzednim. Dane to AER::USConsump1993: dochód rozporządzalny i wydatki konsumpcyjne w USA w latach 1950–1993, w dolarach z 1987 r. (według pomocy pakietu – z podręcznika Baltagiego). To nasza ilustracja, nie przykład z podręcznika Langego.

Zwykła regresja liniowa metodą najmniejszych kwadratów, C = a + bY, daje skłonność do konsumpcji b = 0.917, ale jej reszty są silnie skorelowane w czasie: statystyka Durbina–Watsona wynosi 0.465, a korelacja kolejnych reszt 0.712. Model Ct = a + bYt + cCt−1 rozkłada reakcję w czasie. Wzrost dochodu o 1 dolar podnosi konsumpcję w tym samym roku o b = 0.475 (SE = 0.075), a współczynnik przy konsumpcji z poprzedniego roku wynosi c = 0.489 (SE = 0.082). Efekt długookresowy to b / (1 − c) = 0.929 – prawie tyle, ile daje model statyczny. Po roku konsumpcja rośnie o 0.707 dolara (76.1% efektu długookresowego), po dwóch latach o 0.820 (88.3%), po pięciu – o 0.916 (98.6%).

Model z opóźnieniem nie usuwa jednak problemu. Przy opóźnionej zmiennej zależnej statystyka Durbina–Watsona jest obciążona w stronę 2, dlatego liczymy h Durbina: h = 3.62, p < .001. Reszty wciąż są skorelowane (r = .429), a wtedy estymator MNK w modelu z opóźnioną zmienną zależną bywa obciążony – liczby traktuj jako ilustrację, nie jako ostateczne oszacowanie.

Na rysunku

Pozioma oś czasu od 1897 do 1972 z dziesięcioma zdarzeniami: 1904 urodzony w Tomaszowie Mazowieckim; 1928 doktorat na UJ; 1931 habilitacja ze statystycznego badania koniunktury; 1934 stypendium Rockefellera i wyjazd do USA; 1938 University of Chicago; 1939 wicedyrektor Komisji Cowlesa; 1945 powrót do Polski i funkcja ambasadora w USA; 1949 Katedra Statystyki SGPiS; 1958 Wstęp do ekonometrii; 1965 zmarł w Londynie. Rodzaj zdarzenia oznaczają kształt i kolor znacznika: koło – życie, kwadrat – nauka, trójkąt – praca, romb – polityka, odwrócony trójkąt – publikacja
Rysunek 1. Oś czasu: Oskar Lange, 1904–1965. Lata według Siwińskiego (2016). Rysunek: R, pakiet ggplot2.

Co widać. Prace statystyczne Langego wiążą się z trzema miastami: Krakowem, Chicago i Warszawą.

Na co uważać. Oś pomija większość funkcji politycznych; rok wskazuje znacznik na osi, nie etykieta.

Podpis do pracy:

Rysunek 1. Najważniejsze daty z życia i pracy Oskara Langego, 1904–1965. Uwaga. Kształt znacznika oznacza rodzaj zdarzenia (życie, nauka, praca, polityka, publikacja). Daty według Siwińskiego (2016).
Dwa panele. A: reszty dwóch modeli konsumpcji w latach 1951–1993. Reszty modelu statycznego (pomarańczowe trójkąty, linia przerywana) tworzą długie fale: dodatnie w latach 50., ujemne w latach 70. i na początku 80., wysoko dodatnie pod koniec 80. Reszty modelu z opóźnieniem (niebieskie kropki, linia ciągła) częściej przechodzą przez zero, ale też układają się w serie. B: słupki dodatkowej konsumpcji po trwałym wzroście dochodu o 1 dolar: 0.47 w roku wzrostu, 0.71 po roku, 0.82 po dwóch latach, 0.92 po pięciu i 0.93 po dziesięciu; przerywana zielona linia pokazuje długookresową skłonność do konsumpcji 0.929
Rysunek 2. Funkcja konsumpcji w USA, 1951–1993: reszty modelu statycznego i modelu z opóźnioną konsumpcją (A) oraz reakcja konsumpcji na trwały wzrost dochodu o 1 dolar według modelu z opóźnieniem (B). Dane: AER::USConsump1993. Rysunek: R, pakiety ggplot2 i patchwork.

Co widać. W panelu A reszty modelu statycznego układają się w długie fale – to autokorelacja reszt, typowa dla szeregów czasowych. Panel B pokazuje, że w modelu z opóźnieniem połowa reakcji pojawia się od razu, a reszta rozkłada się na kolejne lata.

Na co uważać. Reszty modelu z opóźnieniem też nie są niezależne (h Durbina = 3.62), więc wartości w panelu B mogą być obciążone. Obie zmienne rosną w czasie, a wtedy wysoka korelacja może być częściowo pozorna – zob. stacjonarność.

Podpis do pracy:

Rysunek 2. Reszty modelu statycznego (C = a + bY) i modelu z opóźnioną konsumpcją (C = a + bY + cCt−1) dla USA w latach 1951–1993 (A) oraz skumulowana reakcja konsumpcji na trwały wzrost dochodu rozporządzalnego o 1 USD (B). Uwaga. Szacowanie metodą najmniejszych kwadratów; b = 0.475, c = 0.489, długookresowa skłonność do konsumpcji 0.929; h Durbina = 3.62, p < .001. Dane w dolarach z 1987 r.

Gdzie spotkasz Langego w swojej pracy

  • Modele z opóźnieniem. Gdy w pracy z ekonomii, finansów czy zarządzania wstawiasz do regresji wartość zmiennej z poprzedniego okresu, raportuj osobno efekt krótko- i długookresowy, jak w przykładzie, i sprawdź autokorelację reszt. Zob. też ARIMA w praktyce.
  • Badania koniunktury. Habilitacja Langego dotyczyła statystycznego badania koniunktury. Inne spojrzenia na cykle gospodarcze i początki ekonometrii znajdziesz w hasłach o Jewgieniju Słuckim, Ragnarze Frischu i Janie Tinbergenie oraz Michale Kaleckim.
  • Ekonometria w pracy dyplomowej. „Wstęp do ekonometrii” powstał z wykładów dla studentów UW. Czym zajmuje się ekonometria dziś – od regresji po zmienne instrumentalne – opisuje hasło ekonometria, a działanie metody najmniejszych kwadratów pokazuje wpis MNK w obrazkach.
Przykład reprodukowalny

Model z opóźnieniem w R

Kod rysuje oś czasu, szacuje metodą najmniejszych kwadratów statyczną funkcję konsumpcji i model z opóźnioną konsumpcją, liczy statystykę Durbina–Watsona, korelację kolejnych reszt i h Durbina, a potem skłonność krótko- i długookresową oraz reakcję konsumpcji na trwały wzrost dochodu. Rysunki na stronie powstały z tych samych obiektów p_os i p_metoda z krojem i tłem serwisu; dane, geometrie i skale są identyczne.

współczynniki obu modeli, autokorelacja reszt, skłonność do konsumpcji i dochodzenie do efektu długookresowego.

Dane wejściowe: oś czasu według Siwińskiego (2016); data("USConsump1993", package = "AER") – dochód rozporządzalny i wydatki konsumpcyjne w USA, 1950–1993, w dolarach z 1987 r. (przeliczone na tysiące)

Co odczytać: oba modele na tych samych 43 latach (1951–1993); b – skłonność krótkookresowa, b / (1 − c) – długookresowa; h Durbina zamiast statystyki Durbina–Watsona w modelu z opóźnioną zmienną zależną.

Kod R rysunków 1 i 2
# Oskar Lange: oś czasu i prosty model ekonometryczny – funkcja konsumpcji z opóźnieniem
suppressPackageStartupMessages({library(ggplot2); library(patchwork)})
oi <- c(niebieski = "#0072B2", pomaranczowy = "#E69F00", cynober = "#D55E00", zielony = "#009E73",
        fiolet = "#CC79A7", szary = "grey45")  # Okabe–Ito
motyw <- theme_minimal(base_size = 13) + theme(panel.grid.minor = element_blank(), plot.title = element_text(face = "bold"))

# 1. Oś czasu (lata według Siwińskiego 2016)
zdarzenia <- data.frame(
  rok = c(1904, 1928, 1931, 1934, 1938, 1939, 1945, 1949, 1958, 1965),
  opis = c("urodzony w Tomaszowie\nMazowieckim", "doktorat (UJ)", "habilitacja: statystyczne\nbadanie koniunktury",
           "stypendium Rockefellera,\nwyjazd do USA", "University of Chicago", "wicedyrektor\nKomisji Cowlesa",
           "powrót do Polski;\nambasador w USA", "SGPiS: Katedra\nStatystyki", "Wstęp do ekonometrii",
           "zmarł w Londynie"),
  rodzaj = c("życie", "nauka", "nauka", "praca", "praca", "praca", "polityka", "praca", "publikacja", "życie"))
zdarzenia$y  <- c(1.3, -1.3, 2.6, -2.7, 1.2, 3.3, -1.3, 2.2, -2.7, 1.2)          # wysokość etykiet
zdarzenia$xl <- c(1906, 1924, 1925, 1933, 1936, 1944, 1946, 1951, 1958, 1964)   # położenie etykiet, żeby się nie nakładały
p_os <- ggplot(zdarzenia, aes(rok, 0)) +
  geom_hline(yintercept = 0, colour = "grey60") +
  geom_segment(aes(xend = xl, yend = y * 0.85), colour = "grey70") +
  geom_point(aes(shape = rodzaj, fill = rodzaj), size = 3.5) +
  geom_label(aes(x = xl, y = y, label = paste0(rok, "\n", opis)), size = 3.1, lineheight = 0.9, linewidth = 0.2) +
  scale_shape_manual(values = c("życie" = 21, "nauka" = 22, "praca" = 24, "publikacja" = 25, "polityka" = 23), name = NULL) +
  scale_fill_manual(values = c("życie" = oi[["szary"]], "nauka" = oi[["zielony"]], "praca" = oi[["niebieski"]],
                               "publikacja" = oi[["cynober"]], "polityka" = oi[["pomaranczowy"]]), name = NULL) +
  scale_x_continuous(breaks = seq(1900, 1965, 10), limits = c(1897, 1972)) + scale_y_continuous(limits = c(-3.6, 4)) +
  labs(title = "Oskar Lange (1904–1965)", x = NULL, y = NULL) +
  motyw + theme(axis.text.y = element_blank(), panel.grid.major.y = element_blank(), legend.position = "bottom")

# 2. Funkcja konsumpcji: USA 1950–1993, wydatki konsumpcyjne C i dochód rozporządzalny Y (tys. USD z 1987 r.)
data("USConsump1993", package = "AER")
d <- data.frame(rok = 1950:1993, C = as.numeric(USConsump1993[, "expenditure"]) / 1000,
                Y = as.numeric(USConsump1993[, "income"]) / 1000)
d$C_1 <- c(NA, head(d$C, -1))                       # konsumpcja z poprzedniego roku (opóźnienie o 1)
dd <- d[-1, ]                                       # 1951–1993: oba modele na tych samych 43 latach

# Model statyczny: C_t = a + b Y_t
m0 <- lm(C ~ Y, data = dd)
# Model z opóźnieniem: C_t = a + b Y_t + c C_{t-1}
m1 <- lm(C ~ Y + C_1, data = dd)
round(cbind(statyczny = c(coef(m0), C_1 = NA), z_opoznieniem = coef(m1)), 4)
round(summary(m1)$coefficients, 4)

# Autokorelacja reszt: statystyka Durbina–Watsona (model statyczny) i h Durbina (model z opóźnioną C)
e0 <- resid(m0); e1 <- resid(m1); n <- nrow(dd)
dw <- function(e) sum(diff(e)^2) / sum(e^2)
r1 <- function(e) sum(e[-1] * e[-length(e)]) / sum(e^2)
h_durbina <- (1 - dw(e1) / 2) * sqrt(n / (1 - n * vcov(m1)["C_1", "C_1"]))
round(c(DW_statyczny = dw(e0), r1_statyczny = r1(e0), DW_dynamiczny = dw(e1), r1_dynamiczny = r1(e1),
        h_Durbina = h_durbina, p_h = 2 * pnorm(-abs(h_durbina))), 3)

# Skłonność do konsumpcji: krótkookresowa b i długookresowa b / (1 - c)
b <- coef(m1)[["Y"]]; c1 <- coef(m1)[["C_1"]]
round(c(krotkookresowa = b, dlugookresowa = b / (1 - c1), statyczna = coef(m0)[["Y"]]), 3)

# Reakcja konsumpcji na trwały wzrost dochodu o 1 USD: po k latach b * (1 + c + ... + c^k)
reakcja <- data.frame(lata = 0:10, efekt = b * (1 - c1^(1:11)) / (1 - c1))
reakcja$procent_dlugookresowego <- round(100 * reakcja$efekt / (b / (1 - c1)), 1)
reakcja$efekt <- round(reakcja$efekt, 3)
reakcja[c(1, 2, 3, 6, 11), ]

# Rysunek 2A: reszty obu modeli w czasie; 2B: dochodzenie do efektu długookresowego
reszty <- data.frame(rok = rep(dd$rok, 2), reszta = c(e0, e1),
                     model = factor(rep(c("statyczny: C ~ Y", "z opóźnieniem: C ~ Y + C(t−1)"), each = n),
                                    levels = c("statyczny: C ~ Y", "z opóźnieniem: C ~ Y + C(t−1)")))
pA <- ggplot(reszty, aes(rok, reszta, colour = model, shape = model, linetype = model)) +
  geom_hline(yintercept = 0, colour = "grey50") +
  geom_line(linewidth = 0.7) + geom_point(size = 2) +
  scale_colour_manual(values = c(oi[["cynober"]], oi[["niebieski"]]), name = NULL) +
  scale_shape_manual(values = c(17, 16), name = NULL) +
  scale_linetype_manual(values = c("dashed", "solid"), name = NULL) +
  labs(title = "A. Reszty modeli konsumpcji, USA 1951–1993", x = "Rok", y = "Reszta (tys. USD z 1987 r.)") +
  motyw + theme(legend.position = "bottom", legend.direction = "vertical")
pB <- ggplot(reakcja, aes(lata, efekt)) +
  geom_hline(yintercept = b / (1 - c1), colour = oi[["zielony"]], linetype = "dashed", linewidth = 0.8) +
  annotate("text", x = 10.4, y = b / (1 - c1) + 0.09, hjust = 1, size = 3.3, colour = oi[["zielony"]],
           label = sprintf("długookresowa skłonność = %.3f", b / (1 - c1))) +
  geom_col(fill = oi[["niebieski"]], width = 0.8) +
  geom_text(data = reakcja[c(1, 2, 3, 6, 11), ], aes(label = sprintf("%.2f", efekt)), vjust = 1.5, size = 2.8,
            colour = "white") +
  scale_x_continuous(breaks = 0:10) + scale_y_continuous(limits = c(0, 1.1)) +
  labs(title = "B. Wzrost konsumpcji po trwałym\nwzroście dochodu o 1 USD", x = "Lata od wzrostu dochodu",
       y = "Dodatkowa konsumpcja (USD)") +
  motyw
p_metoda <- pA + pB + plot_layout(widths = c(1.2, 1))
p_os
p_metoda
Wynik w R
            statyczny z_opoznieniem
(Intercept)   -0.0869       -0.0175
Y              0.9174        0.4750
C_1                NA        0.4885
            Estimate Std. Error t value Pr(>|t|)
(Intercept)  -0.0175     0.0704 -0.2484   0.8051
Y             0.4750     0.0746  6.3694   0.0000
C_1           0.4885     0.0820  5.9542   0.0000
 DW_statyczny  r1_statyczny DW_dynamiczny r1_dynamiczny     h_Durbina 
        0.465         0.712         1.070         0.429         3.618 
          p_h 
        0.000 
krotkookresowa  dlugookresowa      statyczna 
         0.475          0.929          0.917 
   lata efekt procent_dlugookresowego
1     0 0.475                    51.2
2     1 0.707                    76.1
3     2 0.820                    88.3
6     5 0.916                    98.6
11   10 0.928                   100.0

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (regresja – funkcja lm() z pakietu stats; dane – pakiet AER; rysunki – pakiety ggplot2 i patchwork). W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. AER (wersja 1.2.17): Kleiber, C., & Zeileis, A. (2008). Applied econometrics with R. Springer. https://doi.org/10.1007/978-0-387-77318-6
  3. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  4. patchwork (wersja 1.3.2): Pedersen, T. L. (2025). patchwork: The composer of plots [R package]. https://doi.org/10.32614/CRAN.package.patchwork

Najczęstsze pytania

Kim był Oskar Lange?

Polskim ekonomistą i statystykiem (1904–1965), absolwentem Uniwersytetu Jagiellońskiego. W latach 1938–1945 był profesorem University of Chicago i wicedyrektorem Komisji Cowlesa, a po powrocie do Polski kierował Katedrą Statystyki SGPiS i Katedrą Ekonomii Politycznej UW. Pełnił też wysokie funkcje państwowe w PRL. Zmarł w Londynie 2 października 1965 r.

Czy Oskar Lange był statystykiem?

Tak. Był asystentem Katedry Ekonomii i Statystyki UJ, habilitował się w 1931 r. rozprawą „Statystyczne badanie koniunktury gospodarczej”, w latach 1949–1956 był profesorem statystyki i kierownikiem Katedry Statystyki SGPiS, a w Polskiej Akademii Nauk kierował sekcją statystyki matematycznej Instytutu Matematyki.

Co napisał Oskar Lange o ekonometrii?

Podręcznik „Wstęp do ekonometrii”, wydany przez PWN w 1958 r. i opracowany na podstawie jego wykładów na Uniwersytecie Warszawskim przy współudziale Antoniego Banasińskiego. Angielskie tłumaczenie „Introduction to Econometrics” ukazało się w 1959 r., a drugie wydanie w 1962 r.

Co łączyło Oskara Langego z Komisją Cowlesa i czasopismem Econometrica?

W 1939 r. Lange został wicedyrektorem Komisji Cowlesa – instytutu, który wprowadzał do ekonomii metody matematyczne i statystyczne – a w latach 1943–1945 pełnił obowiązki redaktora naczelnego czasopisma „Econometrica”.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Lange, O. (1932). Die Preisdispersion als Mittel zur statistischen Messung wirtschaftlicher Gleichgewichtsstörungen. H. Buske.
  2. Lange, O. (1958). Wstęp do ekonometrii. Państwowe Wydawnictwo Naukowe.
  3. Lange, O. (1960). Essays on economic planning. Asia Publishing House; Statistical Publishing Society.
  4. Łukawer, E. (2005). Oskar Lange. Gospodarka Narodowa, 203(10), 77–95. https://doi.org/10.33119/gn/101535 ● Otwarty dostęp: pełny tekst
  5. Siwiński, W. (2016). Oskar Ryszard Lange 1904–1965. In Portrety uczonych. Profesorowie Uniwersytetu Warszawskiego po 1945, L–R (pp. 28–41). Wydawnictwa Uniwersytetu Warszawskiego. https://doi.org/10.31338/uw.9788323523550.pp.28-41 ● Otwarty dostęp: pełny tekst

Cytowania BibTeX

@book{lange1932preisdispersion, author={Lange, Oskar}, title={{Die Preisdispersion als Mittel zur statistischen Messung wirtschaftlicher Gleichgewichtsstörungen}}, year={1932}, publisher={H. Buske}, url={https://openlibrary.org/works/OL38497563W}}
@book{lange1958wstep, author={Lange, Oskar}, title={{Wstęp do ekonometrii}}, year={1958}, publisher={Państwowe Wydawnictwo Naukowe}, url={https://openlibrary.org/works/OL44696W}}
@book{lange1960essays, author={Lange, Oskar}, title={{Essays on economic planning}}, year={1960}, publisher={Asia Publishing House; Statistical Publishing Society}, url={https://openlibrary.org/works/OL44702W}}
@article{lukawer2005lange, author={Łukawer, Edward}, title={{Oskar Lange}}, journal={Gospodarka Narodowa}, year={2005}, volume={203}, number={10}, pages={77--95}, publisher={Szkoła Główna Handlowa w Warszawie}, doi={10.33119/gn/101535}}
@incollection{siwinski2016lange, author={Siwiński, Włodzimierz}, title={{Oskar Ryszard Lange 1904–1965}}, booktitle={Portrety uczonych. Profesorowie Uniwersytetu Warszawskiego po 1945, L–R}, year={2016}, pages={28--41}, publisher={Wydawnictwa Uniwersytetu Warszawskiego}, doi={10.31338/uw.9788323523550.pp.28-41}}
R