BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Kisielińska Joanna
Tytuł
Sieci neuronowe i modele regresyjne w analizach zależności przyczynowo-skutkowych
Neural networks and regression models in analyses of casuality and consecutive dependencies
Źródło
Wiadomości Statystyczne, 2003, nr 3, s. 79-89, bibliogr. 10 poz.
Słowa kluczowe
Analiza regresji, Sieci neuronowe, Modele ekonometryczne, Wskaźniki rentowności, Sprzedaż produktu
Regression analysis, Neural networks, Econometric models, Profitability index, Product sales
Abstrakt
W artykule dokonano porównania skuteczności metody analizy regresji i sieci neuronowych do tworzenia modeli przyczynowo-skutkowych. Posłużono się konkretnym przykładem polegającym na poszukiwaniu modelu przyczynowo-skutkowego, w którym zmienną zależną jest wskaźnik rentowności sprzedaży. Wykorzystano dane pochodzące z grupy 980 gospodarstw prowadzących rachunkowość rolną pod kierunkiem Instytutu Ekonomiki Rolnictwa i Gospodarki Żywnościowej w 1999 r. Do tworzenia modeli regresyjnych wykorzystany został pakiet STATISTICA, natomiast sieci neuronowych - STATISTICA Neural Networks.

The article confronts methods of regression analysis and neural networks used in order to find causality and consecutive dependencies. On the basis of data from 1980 agricultural households keeping the agriculture accounting system, in the co-operation with the Agriculture and Food Economy Institute, a network and linear and non-linear regression model for evaluation of sales profitability indicator was created. STATISTICA package (regression models) and STATISTICA Neural Networks were used for calculation making. Presented results clearly stressed domination of neural networks taking into consideration of accuracy as well as comfort of using it. Main advantages of neural networks are the following: lack of necessity of creation of dependencies' forms between variables and ability of model selection of non-dependent random variables bringing the essential information. The main disadvantage is an analytical form of the model. The article presents neural networks as a comfortable and modern instrument for finding causality and consecutive models. The mentioned-above models can be used for initial data analysis connected with elimination of unessential variables and presenta tion of dependencies' character between dependent random variable and non-dependent random variables. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Szkoły Głównej Handlowej
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Bibliografia
Pokaż
  1. Aczel A. D.: Statystyka w zarządzaniu, Wydawnictwo Naukowe PWN, Warszawa 2000
  2. Olko-Bagieńska T., Ziętara W.: Materiały do ćwiczeń z organizacji i ekonomiki gospodarstw rolniczych, Wydawnictwo SGGW, Warszawa 1995
  3. Osowski S.: Sieci neuronowe do przetwarzania informacji. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2000
  4. Statistica Tom I. Ogólne konwencje i statystyki. StatSoft, 1997
  5. Statistica Tom III. Statystyki II. StatSoft, 1997
  6. Statistica Neural Networks. Wprowadzenie do sieci neuronowych, StatSoft, 2001
  7. Statistica Neural Networks. Kurs użytkowania programu, StatSoft, 2001
  8. Statistica Neural Networks. Przewodnik problemowy, StatSoft, 2001
  9. Tadeusiewicz R.: Sieci neuronowe. Akademicka Oficyna Wydawnicza, Warszawa 1993
  10. Witkowska D.: Sztuczne sieci neuronowe w analizach ekonomicznych. Menadżer, Łódź 2000
Cytowane przez
Pokaż
ISSN
0043-518X
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu