BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Gliwa Małgorzata (Akademia Ekonomiczna im. Karola Adamieckiego w Katowicach, doktorant)
Tytuł
Analiza regresji dla zmiennych symbolicznych
Źródło
Prace Naukowe / Akademia Ekonomiczna w Katowicach. Zarządzanie, finanse, ekonomia : warsztaty doktoranckie '08, 2009, s. 65-75, tab., bibliogr. 8 poz.
Słowa kluczowe
Wielowymiarowa analiza statystyczna, Modele liniowe, Analiza regresji, Estymacja
Multi-dimensional statistical analysis, Linear models, Regression analysis, Estimation
Abstrakt
Klasyczne metody statystycznej analizy wielowymiarowej wymagają danych zestawionych w postaci macierzy danych, w której każda cecha obiektu jest opisana tylko jedną liczbą rzeczywistą, a każdy powstający obiekt to punkt w wielowymiarowej przestrzeni cech. Natomiast powstające coraz większe bazy danych nie tylko mają bardzo dużą liczbę obserwacji, ale także często zawierają informacje o charakterze zmiennych symbolicznych. To powoduje, że coraz bardziej popularna staje się analiza danych symbolicznych (Symbolic Dala Analysis). Uwzględnia ona głównie zmienne symboliczne, na podstawie których są tworzone obiekty symboliczne. Metody analizy danych symbolicznych są zaliczane do metod nieklasycznych, a uzyskane wyniki są dość łatwe w interpretacji, ponieważ do opisu obiektów wykorzystuje się pojęcia naturalne. W artykule zostanie przedstawione zastosowanie symbolicznej analizy regresji, gdzie zmiennymi objaśniającymi są dane w postaci przedziałów, przedziałów z wagami oraz zmienne wielowartościowe z wagami. Przez zmienne wielowartościowe są rozumiane zmienne wyrażone w postaci listy kategorii (wartości) z wagami. (fragment tekstu)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Bibliografia
Pokaż
  1. Bertrand P., Goupil F.: Descriptive Statistic for Symbolic Data. In: Analysis of Symbolic Data. Eds H. Bock, E. Diday. Springer Verlag, Berlin 2000, s. 106-124.
  2. Hillard L., Diday E.: Regression Analysis for Interval-Valued Data. In: Data Analysis, Classification and Related Methods. Eds. H. Kiers, J. Rasson, P. Groenen, M. Schader. Springer Verlag, Berlin 2000, s. 369-374.
  3. Billard L., Diday E.: Symbolic Regression Analysis. In: Classification, Clustering and Data Analysis. Eds H. Bock, K. Jajuga, A. Sokołowski. Springer Verlag, Berlin 2002, s. 281-287.
  4. Billard L., Diday E.: Symbolic Data Analysis. Conceptual Statistics and Data Mining. John Wiley and Sons, Chichester 2007.
  5. Analysis of Symbolic Data. Eds H.H. Bock, E. Diday. Springer Verlag, Berlin 2000.
  6. Diday E.: An Introduction to Symbolic Data Analysis and the Sodas Software. "Journal of Symbolic Data Analysis" 2002, No.0.
  7. Gatnar E.: Symboliczne metody klasyfikacji danych. Wydawnictwo Naukowe PWN, Warszawa 1998.
  8. Http://www.ceremade.dauphine.fr.
Cytowane przez
Pokaż
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu