Дискриминантный анализ
Первым этапом проведения исследования экономической безопасности в системе STATISTICA будет дискриминантный анализ.
В качестве метода выберем (Method) - Standard. В ходе вычислений
системой получены результаты, которые представлены в окне Discriminant Function Analisis Results (рисунок 2).
Рисунок 2 - Результаты анализа дискриминантных функций
Информационная часть диалогового окна Discriminant Function Analisis Results (Результаты Анализа Дискриминантных Функций) сообщает, что:
Number of variables in the model (число переменных в модели) - 8;
Wilks’ Lambda (значение лямбды Уилкса) - 0,5590833;
Approx. F (16, 110) (приближенное значение F - статистики, связанной с лямбдой Уилкса) - 2,319634;
p < 0.0055 - уровень значимости F - критерия для значения 2,319634.
Значение статистики Уилкса лежит в интервале [0,1]. Значения статистики Уилкса, лежащие около 0, свидетельствуют о хорошей дискриминации, а значения, лежащие около 1, свидетельствуют о плохой дискриминации.
По данным показателя Wilks’ Lambda (значение лямбды Уилкса), равного 0,5590833и по значению F - критерия равного 2,319634, можно сделать вывод, что данная классификация корректная. Поэтому, дискриминантный анализ возможен).
В качестве проверки корректности обучающих выборок посмотрим результаты классификационной матрицы, выполнив функцию Classification matrix (Классификационная матрица) (рисунок 3), предварительно выбрав Same for all groups.
Рисунок 3 - Классификационная матрица
Из классификационной матрицы можно сделать вывод, что объекты были правильно отнесены экспертным способом к выделенным группам. Построенная модель правильно определяет экспертную оценку с точностью 67%. При этом лучше всего она определяет оценку для рейтинга «2» (80%), хуже - для «1» (71%). Если существуют моменты, неправильно отнесенные к соответствующим группам, то можно посмотреть Classification of cases (Классификация случаев) (рисунок 4).
Рисунок 4 - Классификация случаев
В таблице классификации случаев некорректно отнесенные объекты помечаются звездочкой (*). Таким образом, задача получения корректных обучающих выборок состоит в том, чтобы исключить из обучающих выборок те объекты, которые по своим показателям не соответствуют большинству объектов, образующих однородную группу.
Результаты полученных обучающих выборок, представлены в окне Discriminant Function Analisis Results (Результаты Анализа Дискриминантных Функций). В результате проведенного анализа общий коэффициент корректности обучающих выборок должен быть равен 100%.
На основе полученных обучающих выборок можно проводить повторную классификацию тех объектов, которые не попали в обучающие выборки, и любых других объектов, подлежащих группировке. Для решения данной задачи, существуют два варианта: первый - провести классификацию на основе дискриминантных функций, второй - на основе классификационных функций. Пользуясь опцией Proportional to group sizes (Пропорциональные размерам групп), Same for all groups (Одинаковые для всех групп), User defined (Заданные пользователем), получим таблицу с апостериорными вероятностями.
Далее необходимо использовать Classification functions (Классификационные функции). Получаем следующие данные (рисунок 5).
Рисунок 5 - Классификационные функции для каждого класса
Дополнительно посмотрим результаты канонического анализа, а точнее построим Scatterplot of canonical scores (Диаграмма рассеяния для значений) график рассеяния канонических значений для канонических корней (разделение трех типов рейтинга) (рисунок 6). С его помощью можно определить вклад, который вносит каждая дискриминантная функция в разделение между группами. На графике мы видим разделение трёх групп (рейтингов), у каждой группы есть свой центр. Синим цветом обозначена группа стран, у которых наиболее благоприятная экономическая ситуация.
Рисунок 6 - График рассеяния канонических значений
Дискриминантный анализ - это очень полезный инструмент. Для поиска переменных, позволяющих относить наблюдаемые объекты в одну или несколько реально наблюдаемых групп, для классификации наблюдений в различные группы.
Немного больше об экономике сегодня
Калькулирование полной себестоимости кафе Лакомка
Пищевой сервис может быть определён как обеспечение
продовольствием и напитками, готовыми к употреблению, далеко от дома. В отличие
от магазинов, которые продают продовольствие, услуги пищевого сервиса обычно
различают:
- по подготовке и приготовлению или подогреву и комплектованию
продовольствия для дост ...
Инновационная политика Российской Федерации
Целью написания курсовой работы является изучение
основных направлений инновационной политики России на современном этапе.
Достижение поставленной цели требует решения
следующих основных задач:
· раскрыть сущность
взаимосвязи инноваций и экономического роста;
· изложить
формиров ...