Статистический пакет STATISTIKA (стр. 4 из 4)
Получаем:
Т.о., уравнение регрессии имеет вид
y(x1, x3)=4,957+0,096x1–1,559x3
Для выполнения прогнозов по полученному уравнению необходимо показать, что регрессионная модель адекватна результатам наблюдений. С этой целью можно воспользоваться критерием Дарбина-Уотсона, согласно которого, рассчитанный системой Statistica коэффициент dрасч необходимо сравнить с табличным значением dтабл(для совокупности объемом n=15, уровня значимости a=0,05 и трех оцениваемых параметров регрессии, значение dтабл=1,75). Если dрасч>dтабл, то полученная модель адекватна и пригодна для прогнозирования. Для определения dрасч в Statistica в окне Residual Analysis на вкладке Advanced необходимо выбрать опцию Durbin-Watson statistic:
В рассматриваемом примере dрасч=1,2<1,75, следовательно, модель не желательно использовать для прогнозирования.
В случае, когда модель адекватна результатам наблюдения для выполнения прогноза в окне Multyple Regression Results вкладки Residuals/assumptions/prediction (Остатки/Предположения/Прогнозирование) выбрать опцию
(прогнозирование зависимой переменной). Например, если в Москве среднегодовую стоимость основных фондов(переменная x1) повысить на 50 тыс. руб., а трудоемкость единицы продукции (переменная х3) уменьшить в два раза, то следует ожидать производительности труда равной 19,16 (увеличится на 19,16-14=5,16):
2.2 Практическое задание 2. Кластерный анализ в STATISTICA
Постановка задачи
Двадцать банков, акции которых котируются на рынке, предоставили следующую информацию (см. табл.), где – x затраты за прошлый период, y – прибыль за прошлый период.
Необходимо:
1) дополнить таблицу до 20 значений. Данные можно не просто придумать, а взять из любых примеров деятельности банков того или иного города, приведенных в книгах по статистике, эконометрике, СМИ, Internet или любых иных источников.
2) построить график по исходным данным (Scatterplot)
3) c использованием системы STATISTICA выяснить (дать рекомендацию) акции каких банков некоторому предприятию имеет смысл приобрести, каких – придержать, а от каких – избавиться.
Таблица
| Номер банка | Затраты x | Прибыль y |
| 1 | 4 | 2 |
| 2 | 6 | 10 |
| 3 | 5 | 7 |
| 4 | 12 | 3 |
| 5 | 17 | 4 |
| 6 | 3 | 10 |
| 7 | 6 | 1 |
| 8 | 6 | 3 |
| 9 | 15 | 1 |
| 10 | 15 | 4 |
| 11 | 5 | 4 |
| 12 | 3 | 8 |
| 13 | 13 | 5 |
| 14 | 15 | 3 |
| 15 | 5 | 9 |
Порядок выполнения задания
Кластерный анализ – один из методов статистического многомерного анализа, предназначенный для группировки (кластеризации) совокупности элементов, которые характеризуются многими факторами, и получения однородных групп (кластеров). Задача кластерного анализа состоит в представлении исходной информации об элементах в сжатом виде без ее существенной потери.
STATISTICA предлагает несколько методов кластерного анализа. В дальнейшем будем использовать Joining (tree clustering) – группу иерархических методов (7 видов), которые используются в том случае, если число кластеров заранее неизвестно.
Используемый метод – Ward’s method – метод Уорда, который хорошо работает с небольшим количеством элементов и нацелен на выбор кластеров с примерно одинаковым количеством членов. В качестве метрики расстояния пакет предлагает различные меры, но наиболее употребительными являются Euclidean distance (евклидово расстояние). При кластеризации элементов в пакете STATISTICAследует выбирать режим: cases (rows) – строки, а при кластеризации факторов: variables (columns) – столбцы. В качестве переменных для рассматриваемого примере следует выбрать все переменные (all).
Для вывода результатов на экран следует выбрать
либо 
.Вывести график на печать.
Проанализировать результат и заполнить таблицу.
| Номер банка | Затраты x | Прибыль y | Рекомендация приобрести/придержать/избавиться |
| 1 | 4 | 2 | |
| 2 | 6 | 10 | |
| 3 | 5 | 7 | |
| 4 | 12 | 3 | |
| 5 | 17 | 4 | |
| 6 | 3 | 10 | |
| 7 | 6 | 1 | |
| 8 | 6 | 3 | |
| 9 | 15 | 1 | |
| 10 | 15 | 4 | |
| 11 | 5 | 4 | |
| 12 | 3 | 8 | |
| 13 | 13 | 5 | |
| 14 | 15 | 3 | |
| 15 | 5 | 9 | |
| 16 | |||
| 17 | |||
| 18 | |||
| 19 | |||
| 20 |