Vifaa regression: Mifano na mbinu

и дискриминантного анализа используются тогда, когда необходимо четко дифференцировать респондентов по целевым категориям. Vifaa regression na uchambuzi discriminant hutumika wakati ni muhimu kwa uwazi kutofautisha washiriki makundi walengwa. Zaidi ya hayo, makundi haya ni moja univariate ngazi parameter. а также выясним, для чего она нужна. Fikiria maelezo zaidi vifaa regression mfano, pamoja na kujua nini ilikuwa kwa.

maelezo ya jumla

, может выступать классификация респондентов по группам покупающих и не покупающих горчицу. Mfano wa tatizo, katika ufumbuzi ambayo hutumiwa vifaa regression, inaweza kuwa uainishaji wa washiriki na kundi kununua na si kununua haradali. upambanuzi unafanywa kwa mujibu wa tabia za kijamii na idadi ya watu. Hizi ni pamoja na, hasa, ni pamoja na umri, jinsia, idadi ya familia, kipato na kadhalika. Kuna vigezo kutofautisha na kutofautiana katika utendaji. Mwisho husimba Lengo jamii ambayo, kwa kweli, unahitaji kugawanya washiriki.

nuances

, значительно уже, чем для дискриминантного анализа. Ni lazima alisema kuwa mbalimbali ya kesi ambayo inatumika kurudi nyuma vifaa, nyembamba sana kuliko uchambuzi discriminant. Kwa hali hiyo, matumizi ya mwisho kama njia zima kwa upambanuzi ni kuchukuliwa zaidi kuliko. Aidha, wataalam kupendekeza kwa kuanzia na uainishaji utafiti kibaguzi uchambuzi. Na kama katika kesi ya kutokuwa na uhakika kwa ajili ya matokeo inaweza kutumika vifaa regression. umuhimu Hii inasababishwa na mambo kadhaa. используется при наличии четкого представления о типе независимых и зависимых переменных. Vifaa regression hutumika wakati kuna ni wazo wazi juu ya aina ya vigezo huru na tegemezi. Kwa hiyo, kuchaguliwa moja ya 3 taratibu iwezekanavyo. Wakati uchambuzi discriminant, mtafiti daima kukabiliana na kazi tuli. Ni kushiriki moja tegemezi na kadhaa wa kujitegemea categorical vigezo na ukubwa wa aina yoyote.

aina

, состоит в определении вероятности того, что определенный респондент будет отнесен к той или иной группе. Lengo utafiti wa takwimu, ambayo inatumia regression vifaa, ni kuamua uwezekano kwamba mhojiwa hasa itakuwa kwa ajili ya kundi fulani. Tofauti unafanywa kulingana na vigezo fulani. Katika mazoezi, kwa mujibu wa maadili ya sababu moja au zaidi wa kujitegemea zinaweza kupangwa katika makundi mawili ya washiriki. . Katika hali hii, kuna binary vifaa regression. Pia vigezo maalum inaweza kutumika katika fedha kwa ajili ya kundi ni kubwa kuliko hizo mbili. Katika hali hiyo kuna uzidishaji anuwai vifaa regression. Kundi kusababisha walionyesha viwango vya yoyote variable moja.

mfano

Tuseme kuna watu waliohojiwa 'majibu ya swali la kama wao ni nia ya kutoa kupata ardhi katika malisho ya Moscow. Katika hali hii, chaguzi ni "hapana" na "ndiyo." Tunahitaji kujua nini sababu kuwa na ushawishi muhimu kwenye uamuzi ya wanunuzi. Kwa mhojiwa hii maswali ya kuwahoji kuhusu miundombinu ya eneo hilo, umbali na mji mkuu, eneo la ardhi, uwepo / kutokuwepo kwa majengo ya makazi na kadhalika. Kwa kutumia binary kurudi nyuma, inaweza kusambazwa katika makundi mawili ya washiriki. kwanza ni pamoja na wale ambao ni nia ya kununua - wanunuzi, na pili, kwa mtiririko huo, wale ambao si nia ya vile kutoa. Kwa kila mhojiwa, kwa kuongeza, itakuwa mahesabu uwezekano wa zoezi kwa jamii moja au nyingine.

tabia Linganishi

Tofauti na embodiments wawili juu lina idadi tofauti na aina ya makundi tegemezi na vigezo huru. Katika kurudi nyuma binary, kwa mfano, alisoma utegemezi mbili zinazokinzana sababu kutoka kwa mmoja au zaidi wa kujitegemea masharti. Katika hali hii, ya mwisho inaweza kuwa ya aina yoyote ya wadogo. Uzidishaji anuwai kurudi nyuma ni kuchukuliwa aina ya toleo la Uainishaji. Inahusiana na kutofautiana tegemezi kwa makundi zaidi ya 2. mambo Independent lazima uwe na makutano au nominella kiwango.

Logistic Regression katika SPSS

takwimu mfuko 11-12, ilianzisha toleo jipya la uchambuzi - mlolongo. Njia hii hutumika wakati tegemezi sababu inahusiana na sawa jina (ordinal) wadogo. Katika hali hii vigezo huru kuchaguliwa hasa aina moja. Lazima kuwa ama makutano au majina. Uainishaji katika makundi kadhaa ni kuchukuliwa hodari zaidi. Njia hii inaweza kutumika katika masomo yote kutumika vifaa regression. , однако, можно только с помощью всех трех приемов. Kuongeza ubora wa mfano, hata hivyo, inawezekana tu kwa kutumia njia zote tatu.

uainishaji makutano

Inasemekana kuwa hapo awali katika mfuko wa takwimu haikutolewa nafasi ya kufanya mfano maalumu uchambuzi kwa sababu tegemezi kwa kiwango makutano. Kwa vigezo vyote, na idadi ya makundi ya zaidi ya 2. kutumika uzidishaji anuwai chaguo. Ilianzisha hivi karibuni mlolongo uchambuzi ina idadi ya makala. Wao kuzingatia specifics ya ukubwa yake. часто не рассматривается как отдельный прием. Wakati huo huo, katika miongozo kimbinu makutano vifaa regression ni mara nyingi si vibaya kama mapokezi tofauti. Sababu ni kama ifuatavyo: Uchambuzi Serial hana faida yoyote muhimu juu ya uzidishaji anuwai. mtafiti huweza kutumia mwisho mbele na makutano, na nominella tegemezi kutofautiana. Katika kufanya hivyo, mchakato uainishaji ni karibu kutofautishwa na kila mmoja. Hii ina maana kwamba uchambuzi kufanya ili si kusababisha matatizo yoyote.

uchambuzi wa chaguzi

Fikiria rahisi kesi - binary kurudi nyuma. Kwa mfano, katika mchakato wa utafiti wa masoko ya makadirio mahitaji ya wahitimu wa baadhi ya mji mkuu wa chuo kikuu. Katika dodoso, washiriki waliulizwa maswali, pamoja na:

1. Je, unafanya kazi? (QL).
2. Taja mwaka kuhitimu (q 21).
3. Ni nini alama ya wastani ya plagi (aver).
4. Jinsia (Q22).

позволит оценить воздействие независимых факторов aver, q 21 и q 22 на переменную ql. Vifaa regression kutathmini athari za mambo kujitegemea aver, q 21 na q 22 katika variable QL. Kwa kifupi, madhumuni ya uchambuzi ni kuamua uwezekano ajira ya wahitimu kwa misingi ya taarifa juu ya uwanja, mwisho wa mwaka, na alama ya wastani.

Logistic Regression

Kuweka vigezo kutumia binary kurudi nyuma, kutumia Analyze►Regression►Binary Logistic menu. Katika Logistic Regression kuchagua katika orodha ya kushoto ya vigezo inapatikana tegemezi sababu. Wao ni QL. variable hii ni lazima kuwekwa katika uwanja tegemezi. Baada ya hapo, lazima uingize tovuti covariates mambo kujitegemea - q 21, q 22, aver. Basi haja ya kuchagua njia ya pamoja nao katika uchambuzi. Kama mambo kadhaa huru ya zaidi ya 2, wala kutumia njia ya utawala samtidiga ya vigezo vyote, ambayo imewekwa na msingi, na hatua kwa hatua. njia maarufu zaidi ni kuchukuliwa Nyuma: LR. Kwa kutumia Chagua button, unaweza ni pamoja na katika utafiti wa washiriki wote, na tu maalum lengo jamii.

Kufafanua Vigezo ya Aina

Categorical kifungo kutumia katika kesi wakati moja ya vipengele imepimwa na idadi ya makundi ya zaidi ya 2. Katika hali hii, Kufafanua ya Aina Vigezo dirisha katika ya Aina covariates kituo cha kuwekwa tu chaguo vile. Katika mfano huu, kama variable haipo. Baada ya kuwa orodha kunjuzi, kuchagua bidhaa Tofauti Kupotoka na bonyeza Badilisha kifungo. Matokeo yake, baadhi ya sifa tegemezi itatolewa kutoka kila moja ya sababu lilipimwa. idadi yao inalingana na idadi ya maneno ya awali ya aina.

Ila New Vigezo

Matumizi Save kifungo katika utafiti kuu ni kuweka kujenga mazingira mapya dialog box. Wao kuwa na nambari mahesabu katika mchakato wa kurudi nyuma. Hasa, inawezekana kujenga vigezo zinazoamua:

1. Mali ya jamii fulani ya uainishaji (Groupmembership).
2. uwezekano wa kuainisha washiriki katika kila kundi Utafiti (probabilities).

Wakati wa kutumia Chaguzi kifungo mtafiti hapati fursa hata kidogo. Kwa hiyo, inaweza kupuuzwa. Baada kubwa "Sawa" button katika dirisha kuu itaonyeshwa matokeo uchambuzi.

Kudhibiti ubora wa vifaa regression utoshelevu

Fikiria meza Omnibus Testsof Model coefficients. Ni maonyesho ya matokeo ya uchambuzi wa ubora wa mtindo makadirio. Kutokana na ukweli kuwa chaguo inayoongezeka, unahitaji kuangalia Matokeo ya hatua ya mwisho (Step2) imekuwa kuweka. Zitachukuliwa kama matokeo mazuri, ambapo wanaona ongezeko Chi mraba index katika mpito na hatua inayofuata katika kiwango cha juu ya umuhimu (sig. <0,05). ubora wa mfano Inakadiriwa sambamba Model. Ukipata thamani hasi, lakini si kuchukuliwa kama muhimu kama wa jumla juu vya kutimizwa mfano, mwisho inaweza kuchukuliwa kivitendo kutumika.

meza

Model Summary hutoa makadirio ya jumla index utawanyiko, ambayo inaeleza ujenzi mfano (kielelezo R Square). Inapendekezwa kutumia thamani Nagelker. Chanya kiashiria inaweza kuchukuliwa kama kigezo Nagelkerke R Square, ikiwa ni zaidi ya 0.50. Baada ya kuwa tathmini ya matokeo ya uainishaji ambayo viashiria halisi ya mali kwa moja au aina nyingine ya utafiti ni ikilinganishwa na wale alitabiri na mfano kurudi nyuma. Kwa ajili hiyo meza Uainishaji Table. Pia utapata kuteka hitimisho kuhusu usahihi wa upambanuzi kwa kila moja ya kundi husika. . Jedwali lifuatalo inayowezesha kupata mambo kitakwimu huru iliingia uchambuzi pamoja na mashirika yasiyo ya sanifu sababu vifaa regression. Juu ya msingi wa vigezo hivi wanaweza kutabiri uhusiano wa kila mhojiwa katika sampuli ya kundi maalum. New vigezo inaweza kuwa aliingia kutumia Hifadhi kifungo. Wao vyenye taarifa juu ya uanachama wa fulani uainishaji jamii (Predictedcategory) na uwezekano wa kuingizwa katika makundi haya (uliotabiriwa probabilities uanachama). Baada kubwa "Sawa" button katika dirisha kuu itaonekana MULTINOMIAL Logistic Regression hesabu matokeo.

meza ya kwanza, ambayo ina viashiria muhimu kwa mtafiti, - Model Fitting Habari. kiwango cha juu cha umuhimu wa takwimu uhakika na ubora wa juu na uwepo wa matumizi ya mifano kutatua matatizo kwa vitendo. meza nyingine muhimu ni Pseudo R-Square. Utapata kukadiria idadi ya ugomvi jumla katika jambo tegemezi, ambayo husababishwa na vigezo huru kuchaguliwa kwa ajili ya uchambuzi. Kwa mujibu wa Meza Uwezekano uwiano Uchunguzi unaweza kuchora hitimisho kuhusu umuhimu wa takwimu za mwisho. Kigezo Makadirio kutafakari coefficients zisizo sanifu. Wao ni kutumika katika ujenzi wa equation. Aidha, kwa kila mchanganyiko wa vigezo imedhamiria umuhimu wa takwimu wa athari zao juu ya jambo tegemezi. Wakati huo huo, utafiti wa soko mara kwa mara ni muhimu kutofautisha makundi ya washiriki si tofauti, lakini kama sehemu ya walengwa. Kwa ajili hiyo meza Observedand ulinganifu uliotabiriwa.

matumizi halisi

Hufikiriwa kuwa mbinu ya uchambuzi sana kutumika katika kazi ya wafanyabiashara. Mwaka 1991, koloni vifaa regression kiashiria ulitengenezwa. Yeye ni rahisi kutumia na ufanisi chombo ambayo inaweza kutumika kutabiri bei ya uwezekano wa wao "overheating". Kiashiria zimetolewa katika grafu katika mfumo wa channel lililoundwa na mistari mbili kupanua kwa wakati mmoja. Wao kuondolewa umbali sawa kutoka mwenendo. upana wa ukanda itategemea tu juu muda uliopangwa. kiashiria hutumika wakati wa kufanya kazi na karibu wote wa mali - kutoka fedha jozi ya madini ya thamani.

Katika mazoezi, ni zinazozalishwa 2 mikakati muhimu kwa ajili ya matumizi ya chombo: kuvunjika na mabadiliko. Katika kesi ya pili mfanyabiashara italenga mienendo ya mabadiliko ya bei katika kituo. On ni uwezekano kwamba harakati kuanza katika mwelekeo kinyume kama ni mbinu gharama ya msaada au upinzani cha line. Kama bei ni karibu fit na kikomo ya juu, kisha mali inaweza kuondolewa. Kama ni katika kikomo ya chini, unapaswa kufikiria kununua. Mkakati kuvunjika inahusisha matumizi ya vibali. Wao ni imewekwa nje ya mipaka ya umbali mfupi. Kwa kuzingatia kuwa bei katika baadhi ya kesi kuzikiuka kwa muda mfupi, unapaswa kucheza, ni salama na kuweka kuacha-hasara. Wakati huo huo, bila shaka, bila kujali mkakati waliochaguliwa inahitaji mfanyabiashara wa kuongeza coolly wanaona na kutathmini hali ya kuwa ametokea katika soko.

hitimisho

Hivyo, matumizi ya regression vifaa utapata haraka na kwa urahisi Panga washiriki katika makundi kwa mujibu wa vigezo maalum. Wakati wa kuchambua matumizi ya uwezekano wa fulani. Hasa, uhodari na mweleko tofauti uzidishaji anuwai. Hata hivyo, wataalam kupendekeza matumizi ya mbinu zote ilivyoelezwa hapo juu katika tata. Hii ni kutokana na ukweli kwamba katika kesi hii ya ubora wa mfano kuwa ya juu zaidi. Hii, kwa upande wake, kupanua mbalimbali ya matumizi yake.