X
Код презентации скопируйте его
Факторный анализ
Скачать эту презентацию
Презентация на тему Факторный анализ
Скачать эту презентациюCлайд 1
Cлайд 2
Cлайд 3
Факторный анализ Методика факторного анализа Типы детерминированных факторных моделей Способы измерения влияния факторов в детерминированных факторных моделях Стохастические факторные модели Способы измерения влияния факторов в стохастическом факторном анализе
Cлайд 4
Стохастический факторный анализ Корреляционный метод Регрессионный метод Дисперсионный метод Метод кластерного анализа Другие методы
Cлайд 5
Корреляционный анализ — это количественный метод определения тесноты и направления взаимосвязи между выборочными переменными величинами. Целью корреляционного анализа является оценка тесноты связи между признаками. Теснота связи количественно выражается величиной коэффициентов корреляции.
Cлайд 6
Корреляционный анализ: 1. Парная корреляция – связь между двумя признаками (результативным и факторным или двумя факторными). 2. Частная корреляция – зависимость между результативным и одним факторным признаками при фиксированном значении других факторных признаков. 3. Множественная корреляция – зависимость результативного и двух или более факторных признаков, включенных в исследование.
Cлайд 7
Виды корреляционных связей: По форме корреляционная связь может быть прямолинейной или криволинейной. По направлению корреляционная связь может быть положительной ("прямой") и отрицательной ("обратной"). По силе корреляционная связь определяется шкалой Чеддока
Cлайд 8
Положительная корреляция
Cлайд 9
Отсутствие корреляции
Cлайд 10
Отрицательная корреляция
Cлайд 11
Шкала Чеддока
Cлайд 12
Термин «корреляция» был введен в науку английским естествоиспытателем Френсисом Гальтоном в 1886 г. Однако точную формулу для подсчета коэффициента корреляции разработал его ученик Карл Пирсон.
Cлайд 13
Формула коэффициента корреляции при линейной зависимости
Cлайд 14
Величина коэффициента линейной корреляции Пирсона не может превышать +1 и быть меньше чем -1. Эти два числа +1 и -1 — являются границами для коэффициента корреляции. Когда при расчете получается величина большая +1 или меньшая -1 — следовательно произошла ошибка в вычислениях.
Cлайд 15
Регрессионный анализ — это количественный метод определения вида математической функции в причинно-следственной зависимости между переменными величинами. Целью регрессионного анализа является установление формы зависимости.
Cлайд 16
Виды регрессий Линейная регрессия: у=а+bх Регрессии, нелинейные по объясняющим переменным: 1) полиномы разных степеней у=а+b1х+b2х2+…; 2) равносторонняя гипербола у=а+b/х. Регрессии, нелинейные по оцениваемым параметрам: 1) степенная у=ахb; 2) показательная у=аbх; 3) экспоненциальная у=еа+bх.
Cлайд 17
Оценки параметров a и b находятся по формулам:
Cлайд 18
Cлайд 19
Cлайд 20
Формально a – значение y при x =0. Если признак-фактор x не может иметь нулевого значения, то вышеуказанная трактовка свободного члена a не имеет смысла, т.е. параметр a может не иметь экономического содержания. Параметр b называется коэффициентом регрессии. Его величина показывает среднее изменение результата с изменением фактора на одну единицу.
Cлайд 21
Коэффициент детерминации
Cлайд 22
Пример:
Cлайд 23
Cлайд 24
Cлайд 25
Кластерный анализ Кластерный анализ представляет собой класс методов, используемых для классификации объектов или событий в относительно однородные группы, которые называют кластерами (clusters).
Cлайд 26
Кластерный анализ Объекты в каждом кластере должны быть похожи между собой и отличаться от объектов в других кластерах. Кластерный анализ также называют классификационным анализом (classification analysis) или численной таксономией (систематикой) (numerical taxonomy).
Cлайд 27
Cлайд 28
Cлайд 29
Самостоятельная работа
Cлайд 30
Cлайд 31
Cлайд 32
