WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 6 | 7 || 9 | 10 |

ГОУ ВПО УГТУ-УПИ – связи показателей коммерческой деятельности с использованием программы Excel 3.5. Сравнительная оценка степени влияния факторов При анализе полученного уравнения множественной регрессии закономерно встает вопрос, а какой фактор хk из числа рассмотренных оказывает наибольшее влияние на исследуемый параметр у К сожалению, исчерпывающего ответа на этот вопрос нет. Это связано с тем, что наличие возможной взаимосвязи между х-переменными (например, парное взаимодействие типа х1х2, тройное х1х2х3 и т.д.) может сильно усложнить ситуацию. В результате станет принципиально невозможным выяснить, какая именно из переменных хk в действительности отвечает за поведение параметра у.

Тем не менее, в статистике даются полезные рекомендации, позволяющие получить хотя бы оценочные представления по этому поводу. В качестве примера познакомимся с одним из таких методов - сравнение стандартизованных коэффициентов регрессии.

В общем случае все коэффициенты регрессии b1, b2, …, bk могут быть выражены в разных единицах измерения. Тем самым непосредственное их сравнение становится фактически некорректным, поскольку, скажем, формально меньший по величине коэффициент на деле может оказаться важнее большего. Короче говоря, в данной ситуации мы сталкиваемся с классической проблемой «попытки сравнения кита и слона». Стандартизованные коэффициенты регрессии позволяют решить эту проблему за счет представления коэффициентов регрессии в некоторых кодированных единицах измерения.

Стандартизованный коэффициент регрессии вычисляется путем умножения коэффициента регрессии bi на стандартное отклонение Sn (для наших х-переменных обозначим его как Sxk) и деления полученного произведения на Sу. Это означает, что каждый стандартизованный коэффициент регрессии измеряется как величина bi Sxk / Sу.Применительно к нашему примеру получим следующие результаты (табл.10).

ГОУ ВПО УГТУ-УПИ – Бараз В.Р. Корреляционно-регрессионный анализ Таблица Стандартизованные коэффициенты регрессии Статистические Объем Бабушки Помощь Шарика характиристики продажи с внучками Стандартные Sу = 1,06 SX1 = 8,26 SX2 = 7,отклонения Коэффициенты b1 = 0,06 b2 = 0,регрессии Стандартизованные b1 SX1 / Sу = b2 SX2/ Sу = коэффициенты 0,068,26/1,06=0,47 =0,077,25/1,06=0,регрессии После проделанных расчетов мы можем на объективном основании сопоставить полученные коэффициенты. Для обоих анализируемых факторов стандартизованные коэффициенты практически одинаковы.

Таким образом, приведенное сравнение абсолютных величин стандартизованных коэффициентов регрессии позволяет получить пусть и довольно грубое, но достаточно наглядное представление о важности рассматриваемых факторов. Еще раз напомним, что эти результаты не являются идеальными, поскольку не в полной мере отражают реальное влияние исследуемых переменных (мы оставляем без внимания факт возможного взаимодействия этих факторов, что может исказить первоначальную картину).

В целом же проведенный регрессионный анализ дает основание коту Матроскину по достоинству оценить коммерческий талант Шарика и задуматься о перспективах делового сотрудничества со своим приятелем из Простоквашино. Также оказывает влияние и конкретная категория покупателей – бабушки с внучками. Вместе с тем для Матроскина остаются поводы для творческих размышлений: он явно не принял во внимание все факторы (вспомним про 33 %, приходящихся на неучтенные причины), поскольку решил ограничиться рассмотрением более понятных и очевидных воздействий на результативность своего молочного бизнеса.

ГОУ ВПО УГТУ-УПИ – связи показателей коммерческой деятельности с использованием программы Excel 4. Анализ «хи-квадрат»: поиск закономерностей для качественных данных Когда не знаешь, что именно ты делаешь, делай это все-таки тщательно.

(Правило Мэрфи) Если качественные признаки не поддаются упорядочению, то использовать непараметрические способы уже нельзя. Единственный подсчет, который в этом случае можно выполнить, - это попытаться определить частоты проявления исследуемых признаков. Приходится прибегать к оценке наличия связи путем определения так называемого хи-квадрата.

Критерий хи-квадрат используют для проверки гипотез о качественных данных, представленных не числами, а категориями. Здесь принято оперировать подсчетом частоты (поскольку ранжирование или арифметические действия выполнять невозможно).

Критерий (тест) «хи-квадрат» основан на частотах, которые представляют собой количество объектов выборки, попадающих в ту или иную категорию. Суть показателя хи-квадрат (2): он измеряет разницу между наблюдаемыми (экспериментальными) частотами fЭ и ожидаемыми (теоретическими) частотами fТ. Конкретно он рассчитывается как сумма квадратов разности этих частот, выраженная в долях частоты теоретической. Это ут( fЭ - fТ ) = верждение можно записать следующим образом:.

fТ Использование такого статистического подхода возможно в разных обстоятельствах. Рассмотрим наиболее распространенные.

ГОУ ВПО УГТУ-УПИ – Бараз В.Р. Корреляционно-регрессионный анализ 4.1. Комбинация: нынешние и прошлые события (критерий «хи-квадрат» соответствия) Данный способ широко применяется в тех случаях, когда нужно определить, является ли наш нынешний опыт (выраженный в частотах или процентах) типичным по отношению к прошлому опыту (набор так называемых опорных величин). Такую ситуацию можно условно обозначить фразой «Это было недавно, а то было давно. Между ними есть соответствие» Тест «хи-квадрат» в отношении соответствия процентов используется для проверки гипотезы о том, что комбинация наблюдаемых частот или процентов (характеризующих одну качественную переменную) построена на данных из некоторой генеральной совокупности с уже известными значениями процентов (опорными величинами).

Можно сформулировать высказанные соображения и по-другому: те результаты, которые мы наблюдаем сейчас (фактические данные, т.е. наш нынешний опыт), по характеру аналогичны прошлым данным (опорным величинам). Это объясняется тем, что и те, и другие относятся к одной и той же генеральной совокупности, но извлекались в разное время (сейчас и когда-то давно).

Ожидаемое значение частоты для каждой категории рассчитывается как произведение заданного опорного значения процента в генеральной совокупности на размер выборки n. На основании имеющихся знаний о наблюдаемой ожидаемой частотах анализируемого события определяется собственно показатель хи-квадрат. Расчетное значение хи-квадрат затем сравнивают с критическим (табличным) показателем для соответствующего числа степеней свободы, который определяется как количество категорий минус единица.

Если оказывается справедливым неравенство 2 > 2, то с заданрасч крит ной вероятностью (или уровнем значимости) можно утверждать, что наблюдаемые частоты (наш опыт) значимо отличаются от тех, которые ожидаются ГОУ ВПО УГТУ-УПИ – связи показателей коммерческой деятельности с использованием программы Excel исходя из известных нам опорных значений процентов (частот). Следовательно, обоснованно можно делать вывод о том, что наблюдаемые выборочные проценты значимо отличаются от заданных опорных значений.

Если имеем соотношение 2 < 2, то наблюдаемые значения нерасч крит значительно отличаются от опорных показателей и, следовательно, наши фактические результаты не имеют значимых отличий от заданных опорных значений.

При выполнении такого анализа принято придерживаться следующего эмпирического правила: ожидаемые частоты в каждой категории должны быть, по крайней мере, не меньше пяти (поскольку критерий хи-квадрат остается приблизительной, а не точной оценкой).

Анализ критерия соответствия процентов (частот) удобно выполнять, придерживаясь следующей схемы.

1. Имеются табличные данные частот для каждой категории одной качественной переменной. Обсуждаются следующие гипотезы:

а) частоты (проценты) нынешнего опыта равны набору известных, фиксированных опорных величин (из прошлого опыта);

б) частоты (проценты) нынешнего опыта не равны набору опорных величин (данных прошлого опыта).

2. Ожидаемые частоты вычисляются так: нужно для каждой категории умножить известное значение ее доли в общем количестве (генеральной совокупности) на размер выборки n.

При этом предполагается, что а) набор данных представляет собой случайную выборку из рассматриваемой генеральной совокупности и б) ожидается наличие, по крайней мере, пяти объектов в каждой из категорий.

3. Анализ «хи-квадрат» проводится с использованием уже упомянутого выражения:

( fЭ - fТ ) =.

fТ ГОУ ВПО УГТУ-УПИ – Бараз В.Р. Корреляционно-регрессионный анализ Степень свободы f рассчитывается так:

f = k - 1, где k - это число категорий, т.е. количество анализируемых параметров.

4. Интерпретация результата теста "хи-квадрат": наличие значимой связи отмечается тогда, когда расчетное значение "хи-квадрат" больше табличного или критического (т.е. 2 > 2 ), в противном случае значимой расч крит связи нет.

Теперь приступим к конкретному анализу критерия соответствия частот и, самое главное, выясним, как такой расчет можно выполнить с использованием компьютерной программы Excel.

Рассмотрим следующий пример.

Среди студентов металлургического факультета, сдававших на первом курсе в летнюю сессию экзамен по математике, был проведен опрос с целью выяснения того, какие факторы влияют на получение неудовлетворительной оценки. Число опрошенных студентов составляло 50 человек.

Наиболее часто упомянутыми причинами были следующие:

1. Сам виноват, нужно было лучше заниматься.

2. Я знал, да, видите ли, профессор был не в духе.

3. К сожалению, не удалось списать.

4. Сказалось влияние роковых примет (достался билет № 13, повстречал черного кота, забыл надеть «счастливый» свитер и проч.).

Эти ответы можно условно разделить на следующие категории:

1. Сам болван.

2. Вредный «препод».

3. Шпоры.

4. Черный кот.

В табл.11 приведены данные о причинах получения «неудов» по математике за прошедшую сессию, а также указаны значения опорных величин, ГОУ ВПО УГТУ-УПИ – связи показателей коммерческой деятельности с использованием программы Excel взятые из экзаменационных ведомостей по этому предмету за прошлые годы (по таким же категориям).

Как видно из данных таблицы, по количественным показателям все анализируемые причины формально отличаются от опорных значений. Однако это различие оказывается далеко неравноценным. Так, можно признать, что в категории самооценки («Сам болван») фактические данные отличаются от соответствующих опорных величин относительно слабо (например, 57 % по сравнению с 59 % для прошлых сессий). В то же время по другим категориям относительное различие выглядит более заметным. Особенно бросается в глаза несоответствие по позиции «Шпоры».

Таблица Итоговые данные о причинах получения неудовлетворительной оценки по математике за анализируемую сессию и сессии прошлых лет Наблюдаемые данные Опорные (за прошедшую сессию) Причина значения, % Процент (ожидаемые данные) Частота от общего числа Сам болван 28 57,0 59,Вредный 10 19,0 14,«препод» Шпоры 7 14,0 20,Черный кот 5 10,0 7,Итого: 50 100 Вопрос заключается в том, значима ли эта разница Иначе говоря, могут ли полученные по итогам прошедшей сессии «неуды» рассматриваться как результат извлечения случайной выборки из генеральной совокупности, в которой проценты «неудов» соответствуют опорным величинам Или еще ГОУ ВПО УГТУ-УПИ – Бараз В.Р. Корреляционно-регрессионный анализ по-другому: достаточно ли велика наблюдаемая разница, чтобы ее нельзя было объяснить только случайностью Тест хи-квадрат соответствия процентов позволит дать ответ на этот вопрос. Утвердительное заключение получим при условии, когда окажется справедливым соотношение 2 > 2. Его нужно будет истолковать так:

расч крит результаты нынешней сессии и результаты прошлых сессий отличаются между собой принципиально, поскольку различие между ними не носит случайного характера.

Если окажется справедливым неравенство 2 < 2, то с заданной расч крит вероятностью можно будет говорить о незначимости различия между анализируемыми результатами.

В табл.12 укажем частотные величины для обеих информационных позиций – текущие данные («Наблюдение») и сведения за прошлые годы («Ожидание»). Расчет частот для графы «Ожидание» (т.е. ожидаемые частоты) проведем путем умножения значений опорных величин процентов (59 %, 14 %, 20 % и 7 %) на размер выборки (n = 50). В результате получим следующие значения частот: 0,5950 = 29,5; 0,1450 = 7,0 и т.д. Заметим, что в итоговой строке для обеих колонок общая сумма частот одинакова – равна 50.

Таблица Наблюдаемые и ожидаемые данные (частоты) о причинах неудовлетворительных отметок Причина Наблюдение Ожидание Сам болван 28 29,Вредный 10 7,«препод» Шпоры 7 10,Черный кот 5 3,Итого: 50 50,ГОУ ВПО УГТУ-УПИ – связи показателей коммерческой деятельности с использованием программы Excel Эти данные и будем использовать для решения вопроса о значимом соответствии (или несоответствии) фактических и ожидаемых результатов.

Воспользуемся для этого теми возможностями, которые предоставляет приложение Excel. Напомним, что нам для анализа нужно располагать величинами 2 и 2. Все эти характеристики вычисляются с помощью расторасч крит ропного Excel.

Примечание. Вообще-то значения 2, как обычно это делается при крит статистическом анализе, извлекаются из специальных таблиц, содержащих заранее рассчитанные эталонные значения этой характеристики (см. прил.5).

Однако в нашем случае используем возможности Excel, поскольку подобную услугу он способен оказать совершенно элементарно.

Откроем лист Excel и составим нашу таблицу с имеющими данными (рис. 19). Пусть они будут находиться в диапазоне ячеек (вместе с названиями) B2:D6. Пристроим к таблице еще одну графу (Е2:Е6), в которой, помимо заголовка, будут находиться расчетные значения хи-квадрат, вычисленные для каждой строки (т.е. для каждого анализируемого фактора).

Расчет проведем по уже известной формуле, запись которой представлена в виде:

ХИ2расч = (fЭ - fТ)^2/fТ, где fЭ и fТ - соответственно экспериментальные (наблюдаемые) и теоретические (ожидаемые) значения частот.

Чтобы выполнить расчет для данных первой строки, выделим ячейку Е3 и в строке формул запишем = (С3-D3)^2/D3. Полученный результат расчета появится в этой ячейке. С округлением до третьего знака это составит 0,076. Аналогичные вычисления проделаем для остальных позиций. Для этого вновь выделим ячейку Е3 и протянем Маркер заполнения (маленький квадратик в правом нижнем углу) вдоль всей графы вниз – во всех соответствующих ячейках будут содержаться готовые расчетные значения хи-квадрат.

Pages:     | 1 |   ...   | 6 | 7 || 9 | 10 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.