- 1
- 2
- 3
- 4
- 5
- . . .
- последняя »
процессов; -метод корреляционно-регрессионного анализа в динамических рядах.
Корреляционно-регрессионный анализ применяется для измерения связей в случаях их неполного соответствия, когда одному значению признака-фактора соответствует несколько значений признака-результата. Неполнота связей между результативным и факторными признаками возникает потому, что кроме выделенных факторов на результативный оказывают влияние и другие факторы, действующие в разных направлениях. Задача статистики заключается в том, чтобы элиминировать влияние прочих факторов, с тем, чтобы влияние исследуемого фактора было бы четко обозначено. Подобную задачу можно решить только на основе обобщения данных, т.е. используя метод группировки и классификации по совокупности качественно-однородных явлений.
Таким образом, под регрессионным анализом понимают зависимость среднего значения (математического ожидания) случайной величины (Y) от величины (Х). Величина Х при этом представляет значение факторных признаков, определяющих изменение результативного признака (Y). Если Х – одномерная величина, то такая регрессия будет называться парной, если Х – величина многомерная Х = (Х1, Х2…Хm), то регрессия множественная [8].
Как правило, регрессионному анализу предшествует анализ корреляционной зависимости переменных, который позволяет установить наличие связи между анализируемыми переменными, оценить ее тесноту и определить направление. Кроме того, в ходе корреляционного анализа происходит отбор существенных факторов, включаемых в уравнение регрессии [7].
При решении многофакторной регрессионной модели по программе STATISTICA необходимо:
представить матрицу исходных данных, в которой в первом столбце приводятся значения признака-результата, в последующих столбцах матрицы исходных данных приводятся значения признаков-факторов;
при решении многофакторной регрессионной модели выдается протокол, в котором приведена следующая информация: матрица исходных данных; выдаются результаты средних значений признака-результата и признаков-факторов, дисперсии и среднеквадратическое отклонение, коэффициенты вариации, коэффициенты эксцесса и ассиметрии, числовые значения параметров уравнения регрессии; приводятся критерии Стьюдента для оценки значимости коэффициентов регрессии, приводится матрица парных коэффициентов корреляции во всевозможных сочетаниях, значение множественного коэффициента корреляции, множественный коэффициент детерминации.
С помощью реализованных в системе STATISTICA мощных языков программирования, снабженных специальными средствами поддержки, легко создаются законченные пользовательские решения и встраиваются в различные другие приложения или вычислительные среды. Очень трудно представить себе, что кому-то могут понадобиться абсолютно все статистические процедуры и методы визуализации, имеющиеся в системе STATISTICA, однако опыт многих людей, успешно работающих с пакетом, свидетельствует о том, что возможность доступа к новым, нетрадиционным методам анализа данных помогает находить новые способы проверки рабочих гипотез и исследования данных.
4.3 Основные результатыИнфляция является сложным многофакторным экономическим явлением, поэтому осуществление ее эффективного регулирования и
- 1
- 2
- 3
- 4
- 5
- . . .
- последняя »
Похожие работы
Тема: "возможности применения ит в лингвистике" 5 |
Предмет/Тип: Другое (Реферат) |
Тема: «Эффективность применения современных ит в психологии» |
Предмет/Тип: Другое (Реферат) |
Тема: «Перспективы применения ит в изучении рукописных текстов» |
Предмет/Тип: Другое (Реферат) |
Тема: «Возможности применения ит при исследовании языковой интерференции» |
Предмет/Тип: Другое (Реферат) |
Тема: Практика применения стримеров |
Предмет/Тип: Информатика, ВТ, телекоммуникации (Статья) |
Интересная статья: Быстрое написание курсовой работы