Многомерное шкалирование в STATISTICA

 

Описываемый пример основан на файле Nations.sta. Эти данные обсуждались в работе Краскала и Виша (Kruskal and Wish (1978, стр. 30)). Открыть этот файл можно с помощью меню Файл, выбрав команду Открыть; файл находится в директории /Examples/Datasets. Файл данных включает средние рейтинги сходств 18 студентов из 12 стран. Сравнивались студенты из Бразилии, Конго, Кубы, Египта, Франции, Индии, Израиля, Японии, Китая, России, США, и Югославии. Фрагмент полученной матрицы сходств приводится на рисунке ниже.

Многомерное шкалирование в STATISTICA

 

Пошаговая регрессия в STATISTICA

 

Следующий пример основан на файле данных Job_prof. sta (взятом из работы Neter, Wasserman and Kutner, 1989, стр. 473). Этот файл данных можно открыть вызвав команду Открыть в меню Файл наиболее вероятно, что этот файл данных находится в директории /Examples/Datasets. Первые четыре переменные (Test1-Test4) представляют четыре различных теста на пригодность, направленных каждому из 25 претендентов, участвующих в конкурсе на замещение конторских должностей в компании. Все 25 претендентов были приняты на работу вне зависимости от набранных ими баллов по тестам. По истечении испытательного срока рабочие качества каждого из служащих были оценены, и показатель профессиональной пригодности был записан в качестве значений переменной (Job_prof).

Цель исследования. С использованием пошаговой регрессии мы проанализируем переменные (или подмножество переменных), позволяющие наиболее точно предсказать профессиональную пригодность претендента. Таким образом, зависимой переменной будет Job_prof, а переменные Test1-Test4 играют роль независимых переменных.

Начало анализа. Выберите Множественная регрессия в меню Анализ. В появившемся диалоговом окне стартовой панели модуля Множественная регрессия нажмите кнопку Переменные и выберите переменную Job_prof в качестве зависимой переменной, а переменные Test1-Test4 в качестве независимых. После этого выберите опцию Гребневая регрессия и пошаговый анализ во вкладке Дополнительно. Далее нажмите кнопку OK для отображения диалогового окна Определение модели.

Определение модели для пошаговой регрессии. Вы можете выбрать следующие процедуры для проведения анализа данных: стандартная, пошаговая с включением и пошаговая с исключением. Наиболее часто используемой процедурой является процедура с пошаговым включением предикторов, которая осуществляет выбор предикторов на каждом шаге, добавляя или удаляя их из модели, исходя из заданного пользователем критерия (более подробную информацию см. в работе Neter, Wasserman and Kutner, 1989, а также в разделе Примечания и техническая информация). Поэтому мы используем пошаговую регрессию с включением предикторов для анализа данных нашего примера.

Во вкладке Быстрый диалогового окна Определение модели в поле Процедура выберите Пошаговая с включением. Далее во вкладке Пошаговый вы можете изменить значения F-включить и F-исключить. Однако, для проведения анализа в данном примере мы примем значения по умолчанию, равные 1 и 0, соответственно. Для просмотра результатов на каждом шаге анализа выберите опцию На каждом шаге в комбинированном окне Отображение результатов.

Пошаговая регрессия в STATISTICA

   

Подгонка распределений в STATISTICA

 

Модуль Подгонка распределений позволяет оценить степень согласия наблюдаемых данных с некоторым теоретическим распределением. Обратитесь к разделу Типы распределений за описанием доступных распределений. Заметим, модуль Анализ выживаемости содержит специальные программы для подгонки цензурированных (неполных) данных типа времен выживания и отказов к распределениям Вейбулла и Гомпертца. В этом примере используется файл Irisdat.sta (показан ниже). Открыть этот файл данных можно выбрав Открыть в меню Файл; наиболее вероятно, что этот файл данных находится в директории /Examples/Datasets. Файл содержит данные, представленные Фишером (1936), включает длину и ширину чашелистиков (Sepallen, Sepalwid) и лепестков (Petallen, Petalwid) 50 цветков трех типов ириса. Дискриминантный анализ этих данных описан также в главе Дискриминантный анализ.

Подгонка распределений в STATISTICA

   

Множественная нелинейная регрессия в STATISTICA

 

Предсказание выздоровления. Этот пример основан на наборе данных, взятом из книги Neter, Wasserman, and Kutner (1985, стр. 649). Предположим, администратору больницы нужно выявить зависимость между шансами на длительное выздоровление тяжело больных пациентов и числом дней, проведенных в больнице. Файл Patients.sta содержит данные по 15 пациентам; в частности, в этом файле есть информация о числе дней, проведенных пациентом в больнице (переменная Дни) и коэффициент прогноза длительного выздоровления для каждого пациента (переменная Прогноз; большие значения означают лучший прогноз). Откройте этот файл данных с помощью меню Файл - Открыть; он находится в директории /Examples/Datasets.

Множественная нелинейная регрессия в STATISTICA

   

Стандартный регрессионный анализ в STATISTICA

 

Следующий пример использует файл данных Poverty. sta. Открыть его можно с помощью меню Файл, выбрав команду Открыть; наиболее вероятно, что этот файл данных находится в директории /Examples/Datasets. Данные основаны на сравнении результатов переписи 1960 и 1970 годов для случайной выборки из 30 округов. Имена округов введены в качестве идентификаторов наблюдений.

Следующая информация по каждой переменной приводится в электронной таблице Редактор спецификаций переменных (открывающийся при выборе команды Все спецификации переменных... в меню Данные).

Стандартный регрессионный анализ в STATISTICA

   

Страница 3 из 5

Краткое содержание

Вход для слушателей