Analiza regresji dla zmiennych symbolicznych

• Autorzy: Małgorzata Gliwa
• Języki publikacji: PL

Abstrakty

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)

Słowa kluczowe

PL

Wielowymiarowa analiza statystyczna; Modele liniowe; Analiza regresji; Estymacja

EN

Multi-dimensional statistical analysis; Linear models; Regression analysis; Estimation

• Czasopismo: Prace Naukowe / Akademia Ekonomiczna w Katowicach
• Rocznik: 2009
• Tom: Zarządzanie, finanse, ekonomia : warsztaty doktoranckie '08
• Strony: 65--75

Twórcy

autor

Małgorzata Gliwa

• Akademia Ekonomiczna im. Karola Adamieckiego w Katowicach, doktorant

Bibliografia

• 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.
• 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.
• 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.
• Billard L., Diday E.: Symbolic Data Analysis. Conceptual Statistics and Data Mining. John Wiley and Sons, Chichester 2007.
• Analysis of Symbolic Data. Eds H.H. Bock, E. Diday. Springer Verlag, Berlin 2000.
• Diday E.: An Introduction to Symbolic Data Analysis and the Sodas Software. "Journal of Symbolic Data Analysis" 2002, No.0.
• Gatnar E.: Symboliczne metody klasyfikacji danych. Wydawnictwo Naukowe PWN, Warszawa 1998.
• Http://www.ceremade.dauphine.fr.