- Autor
- Sej-Kolasa Małgorzata (Uniwersytet Ekonomiczny we Wrocławiu), Sztemberg-Lewandowska Mirosława (Uniwersytet Ekonomiczny we Wrocławiu)
- Tytuł
- Wybrane metody analizy danych wzdłużnych
Selected Methods for an Analysis of Longitudinal Data - Źródło
- Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia (22), 2014, nr 327, s. 321-329, rys., tab., bibliogr. 7 poz.
Research Papers of Wrocław University of Economics - Tytuł własny numeru
- Klasyfikacja i analiza danych - teoria i zastosowania
- Słowa kluczowe
- Analiza danych funkcjonalnych, Analiza czynnikowa
Functional data analysis, Factor analysis - Uwagi
- streszcz., summ.
- Abstrakt
- W artykule przedstawiono możliwości wykorzystania wybranych metod wie-lowymiarowych do analizy zjawisk opisanych danymi wzdłużnymi (longitudinal data). Omówiono dwa podejścia wykorzystujące modele ze zmiennymi ukrytymi. Pierwsze podej-ście bazuje na modelach równań strukturalnych, a dokładniej na modelu latentnych krzy-wych rozwojowych. Model ten zakłada, że zmiana jest procesem ciągłym scharakteryzowa-nym przez zmienne, których realizacje różnią się między obiektami. Drugie podejście bazu-je na analizie danych funkcjonalnych. Jedną z metod analizy danych funkcjonalnych jest funkcjonalna analiza głównych składowych, która posiada zalety klasycznej analizy głów-nych składowych, dodatkowo umożliwia analizę danych o charakterze dynamicznym.(abstrakt oryginalny)
This paper presents the possibilities of using selected multivariate methods to analyse phenomena described with longitudinal data. Two approaches based on models with latent variables are described. The first approach is based on the structural equation model-ling and, more precisely, on the latent growth modelling. This model assumes that changes are continuous processes characterised by variables the realizations of which differ between objects. The other approach is based on the functional data analysis. One of the methods for analysing functional data is the functional principal components analysis which has the advantages of the principal components analysis and enables analysing data with dynamic nature.(original abstract) - Dostępne w
- Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka SGH im. Profesora Andrzeja Grodka
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu - Pełny tekst
- Pokaż
- Bibliografia
-
- Acock A.C., Li F. (2002), Latent growth curve analysis: A gentle introduction, http://oregonstate. edu/dept/hdfs/papers/lgcgeneral.pdf (24.04.2014).
- Daniele M. (2006), Functional principal components analysis to study environmental data, http://www.sis-statistica.it/files/pdf/atti/Spontanee 2006_677-680.pdf (2.06.2013).
- Hall P., Müller H.G., Wang J.L. (2006), Properties of Principal Component Methods for Functional and Longitudinal Data Analysis, "The Annals of Statistics" Vol. 34, No. 3.
- Ingrassia S., Costanzo G.D. (2005), Functional principal component analysis of financial time series, [w:] Vichi M., Monari P., Mignani S., Montanari A. (red.), New Developments in Classification and Data Analysis, Springer-Verlag, Berlin.
- Konarski R. (2004), Analiza zmiany z zastosowaniem analizy latentnych krzywych rozwojowych, "ASK. Społeczeństwo. Badania. Metody", nr 13.
- Ramsay J.O., Silverman B.W. (2005), Functional Data Analysis, Springer, USA.
- Sej-Kolasa M., Sztemberg-Lewandowska M. (2009), Antropopresja na środowisko państw europej-skich, [w:] Walesiak M. (red.), Wizualizacja wyników badań marketingowych-podejścia, metody i zastosowania, Wydawnictwo Uniwersytetu Ekonomicznego, Wrocław.
- Cytowane przez
- ISSN
- 1899-3192
1505-9332 - Język
- pol
