Компьютерные книги
Главное меню
Главная Поиск по сайту Добавить материал О нас Карта книг Карта сайта
Реклама
computersbooks.net -> Добавить материал -> Теория программирования -> Боровиков В. -> "STATISTICA. Искусство анализа данных на компьютере" -> 170

STATISTICA. Искусство анализа данных на компьютере - Боровиков В.

Боровиков В. STATISTICA. Искусство анализа данных на компьютере — Спб.: Питер, 2003. — 688 c.
Скачать (прямая ссылка): statistikaiskusstvoanalizadannih2003.djvu
Предыдущая << 1 .. 164 165 166 167 168 169 < 170 > 171 172 173 174 175 176 .. 204 >> Следующая


Отрасль 0,56 11,В1 0,52 0,801 1,56 132,11
А 0,29 7,93 0,22 0,881 1,95 35,82
6 0,49 3,85 11,75 0,25 0,693 1,14 43,28
С 0,45 12,41 0Д9 0,703 -0,21 55,09
D 0,55 од 0,73 0,317 0,21 37,75
Е 0,60 2,6 13,9 0,600 -0,68 41,76
Значения коэффициента детерминации R2, близкие к единице, говорят о xo{«i шем приближении линии регрессии к наблюдаем ым данным и о возможности i*»i-строения качественного прогноза.

Низкое значение коэффициента детерминации R2 для фирмы D объясняется низкой эффективностью рекламной кампании и трудностями на административном уровне. Можно сделать вывод, что модель плохо применима к фирме D.

Статистики Дарбина—Уотсона свидетельствуют об отсутствии автокорреляции остатков при 5%-м уровне значимости, так как все ее значения по модулю меньше 1,96.

Все значения регрессионных коэффициентов значимы при уровне значимо сти 0,5, за исключением коэффициентов при А для фирм В, D и Е

Одним из возможных объяснений этого факта является то, что показатели этих фирм зависят от рекламной деятельности за прошлый период времени. 1Ц есть от Лг(.

Это подтверждается тем, что для этих фирм коэффициенты при А,, значили на уровне 95%. Более того, можно заметить, что показатели всех фирм. кр»|Н фирмы Е, имеют положительную корреляцию с числом туристов. Незиач1П« ную корреляцию между туризмом и объемами продаж фирмы Е можно с'~ нить недавним появлением этой фирмы. Объемы продаж всех фирм также н дятся под влиянием объемов продаж в прошлом периоде, 5,.,, возможно, блг эффекту «привычки* потребителей к торговым маркам. Значимость этого и метра с распределенным лагом также наводит на мысль о некоторых обучаю^ эффектах.

Продажи фирмы А имеют значительную положительную корреляцию с ее Р*-

ходами на рекламу за период t, что отличает ее от других фирм. Окончате чьно в1 *
Примеры анализа данных в системе STATISTICA

581

имосвязь между рыночными продажами и совокупными расходами на рекламу положительна и значима при уровне 5%.

Представленные выше результаты регрессии образуют основу оценки эффективности совокупных расходов на рекламу.

Покажем, как строятся такие модели в системе STATISTICA. Для этих целей обычно используется модуль Множественная регрессия.

В этом модуле собраны методы, позволяющие оценить зависимость одной переменной от нескольких других переменных.

Переменная, для которой строится зависимость, называется зависимой (по-английски dependent variable). Эта переменная входит в левую часть уравнения, описывающего зависимость (см. уравнение (*)). Переменные, от которых мы хотим построить зависимость, называются независимыми переменными (по-английски independent variables), или предикторами (от английского predict — предсказывать). Эта переменная входит в правую часть уравнения, описывающего зависимость. Сам термин множественная регрессия (по-английски multiple regression) означает, что модель может содержать несколько предикторов, позволяющих предсказывать зависимую переменную.

Итак, общая идея состоит в том, чтобы по значениям предикторов предсказывать значения зависимой переменной, например, по значениям продаж н расходам на рекламу в текущем и предыдущем месяце предсказывать продажи в следующем месяце.

Конечно, количество предикторов можно увеличить, например, ввести объем продаж у конкурентов или какие-то другие, имеющие смысл и доступные наблюдению переменные. Однако здесь имеется тонкость — предикторы могут оказаться зависимыми между собой

Переменные, которые следует включить в модель, определяет специалист в предметной области. Затем нужно выполнить следующие действия.

Шаг 1. Запустите модуль Множественная регрессия.

Шаг 2. Введите исходные данные в файл системы STATISTICA Назовите его,

например, ЕеегМа.
Шаг 3. Определите переменные в модели. Задайте S в качестве зависимой перс мекной и SI ..Р — в качестве независимых переменных, пли предикторов. Послг этого стартовая панель модуля будет выглядеть так:

*
примеры анализа данных в системе STATISTICA

583

Шаг А Нажмите кнопку ОК. Появится диалоговое окно результатов, в котором отображаются итоги стандартной процедуры.

Измените процедуру на Пошаговую с включением Для этого нажмите на кнопку Отмена и в появившемся диалоговом окне Опредс чениемодели выберите в поле Процедура опцию Пошаговая с включением. В этой процедуре система начинает построение модели с одного предиктора, затем, используя F-критерий, в модель включается еще один предиктор н т д. На каждом шаге вычисляется коэффициент множественной корреляции. Квадрат коэффициента множественном корреляции, коэффициент детерминации, свидетельствует о качестве построенной модели. Нажмите кнопку ОК.

В появившемся окне Пошаговая тожественная регрессия снова нажмите ОК


-г»---*. lost'» '
г®** -*iM *¦»*•
! .-»«¦« 11 Й* .1
Предыдущая << 1 .. 164 165 166 167 168 169 < 170 > 171 172 173 174 175 176 .. 204 >> Следующая
Книги
Web-программирован-
ие
Аппаратное обеспечение Графика Руководство по П.О. Самоучитель Теория программирования Фотошоп Языки программирования
Новые книги
Вирт Н. "Систематическое программирование " (Теория программирования)

Эком "Microsoft Excel 2000 шаг за шагом Русская версия самоучитель " (Самоучитель)

Поляков А.Ю. "Методы и алгоритмы компьютерной графики в примерах Vizual C++" (Графика)

Баяковский Ю.М. "Графическая библиотека Open GL " (Графика)

Валиков А. "Технология " (Языки программирования)
Авторские права © 2013 ComputersBooks. Все права защищены.