Problemy przetwarzania danych do analizy regresji

• Autorzy: Anna Mularczyk

Warianty tytułu

Problems of Data Processing for Regression Analysis

• Języki publikacji: PL

Abstrakty

Spośród różnorodnych technik przetwarzania danych typu open ważną rolę odgrywają modele regresji wykorzystywane zwykle do wyjaśniania lub prognozy zjawisk. Zanim te dane zostaną poddane technikom modelowania muszą przejść proces przetwarzania Celem niniejszego artykułu jest analiza problemów, jakie napotka badacz w trakcie przygotowywania open data, tworzenia modelu regresji wielorakiej i jego weryfikacji. (abstrakt oryginalny)

EN

Among the various techniques of open data processing, regression models usually are used to explain or forecast phenomena. Primary data must be adjusted to start modelling techniques. This article aims to analyse the problems that the researcher will encounter while preparing open data to create a multiple regression model and its verification. (original abstract)

Słowa kluczowe

PL

Przetwarzanie danych; Analiza regresji; Dobór zmiennych; Regresja wielokrotna

EN

Data processing; Regression analysis; Variables selection; Multiple regression

• Czasopismo: Management and Quality
• Rocznik: 2021
• Tom: 3
• Numer: nr 1 Przemysł 4.0 i Smart City w Naukach o Zarządzaniu i Jakości
• Strony: 35--46

Twórcy

autor

Anna Mularczyk

• Politechnika Śląska

Bibliografia

• Abrahamson, D., Kapur, M. (2018) Reinventing discovery learning: a field-wide research program. Instr Sci 46, 1-10. https://doi.org/10.1007/s11251-017-9444-y
• Bedyńska S., Książek M., Statystyczny drogowskaz 3. praktyczny przewodnik wykorzystania modeli regresji oraz równań strukturalnych. Sedno 2012.
• Huber S, Wiemer H., Schneider D., Ihlenfeldt S. (2019), DMME: Data mining methodology for engineering applications - a holistic extension to the CRISP-DM model, Procedia CIRP, Volume 79, 2019, Pages 403-408, ISSN 2212-8271, https://doi.org/10.1016/j.procir.2019.02.106.
• Huyer, E., The Economic Impact of Open Data Opportunities for value creation in Europe. Available online https://www.europeandataportal.eu/en/highlights/the-economic-impact-of-open-data
• Kostrz M. , Satora P. (2017) Związki odpowiedzialne za zanieczyszczenie powietrza Inżynieria Ekologiczna Ecological Engineering, Vol. 18, Iss. 6, Dec. 2017, pages 89-95 doi: 10.12912/23920629/79820
• Siregar NC, Rosli R, Maat SM (2020), The Effects of a Discovery Learning Module on Geometry for Improving Students' Mathematical Reasoning Skills, Communication and Self-Confidence. International Journal of Learning, Teaching and Educational Research. Vol. 19, No. 3, pp. 214-228, https://doi.org/10.26803/ijlter.19.3.12
• Pafi, M, Chalkias, C., Stathakis, D., A cost-effective method for tranquility mapping using open environmental data. Environment and Planning B-Urban Analytics and City Science, 2020, 47, 3, p. 417-436.
• Rantala, S, Swallow, B., Paloniemi, R., Raitanen, E., Governance of forests and governance of forest information: Interlinkages in the age of open and digital data. Forest Policy and Economics 2020, 113, Article Number: 102123
• Salas, D., Liang, X, Navarro, M., Liang, Y., Luna, D., An open-data open-model framework for hydrological models integration, evaluation and application. Environmental Modelling & Software 2020, 126, Article Number: 104622.
• Verhulst, S., Young, A., Open data impact when demand and supply meet. Key finding of the open data impact cases studies. Opgehaald van. Available online http://odimpact.org/key-findings.html
• Wirth, R., & Hipp, J. (2000). Crisp-dm: towards a standard process modell for data mining. Computer Science.
• Zeleti, F.A., Ojo. A., Curry, E., Exploring the economic value of open government data. Government Information Quarterly (33) 2016, p. 535-551.