Регрессионный анализ в Statistica

модуля – Множественная регрессия (Multiple Regression) и Нелинейное оценивание (Nonlinear Estimation).

Модуль Множественная регрессия включает в себя построение линейной модели и фиксированной нелинейной – полиномиальной, экспоненциальной, логарифмической и др., используя как иерархические, так и пошаговые методы включения и исключения.

Модуль Нелинейное оценивание содержит процедуры оценивания любых нелинейных зависимостей между переменными (ряд предлагается на стартовой панели или определяется пользователем в произвольной алгебраической форме).

Продолжим рассмотрение Примера 1 (см. Практика 11).

Напомним, что исходные данные представляют собой результаты наблюдений за деятельностью 23 предприятий одной из отраслей промышленности.

Графы таблицы содержат следующие показатели:

РЕНТАБЕЛ – рентабельность, %;

ДОЛЯ РАБ – удельный вес рабочих в составе ППП, ед.;

ФОНДООТД – фондоотдача, ед.;

ОСНФОНДЫ – среднегодовая стоимость основных производственных фондов, млн. руб.;

НЕПРРАСХ – непроизводственные расходы, тыс. руб.

Требуется исследовать зависимость рентабельности от других показателей.

Проведя корреляционный анализ данных, мы выяснили, что показатель рентабельности оказался наиболее связан с показателями:

фондоотдача (связь прямая);

непроизводственные расходы (обратная связь).

Шаг 1. Вызовем модуль Множественная регрессия (Multiple Regression). На экране появится диалоговое окно.

Нажав кнопку Переменные (Variables), выбираем переменные для анализа: зависимую - рентабельность, независимые – фондоотдача и непроизводственные расходы. Остальные переменные признаны неинформативными для регрессионной модели.

В поле Файл ввода (Input file) в качестве входных данных предлагаются:

обычные исходные данные (Raw Data);

корреляционная матрица (Correlation Matrix), которую можно создать либо в самом модуле, либо вычислить в Быстрых основных статистиках.

При работе с файлом исходных данных можно задать режим работы с пропусками (MD deletion):

• Casewise (построчное удаление). В анализе используются только те наблюдения, которые не имеют пропущенных значений во всех выбранных переменных;
• Pairwise (попарное удаление). При вычислении удаляются наблюдения, имеющие пропущенные значения в соответствующих парах переменных;
• Mean substitution (замена средним). Пропущенные значения в каждой переменной заменяются средним, вычисленным по имеющимся комплектным переменным.

Опция Провести анализ (пошаговый, гребневый и др.) (Advanced options) открывает диалоговое окно Определение модели, в котором можно выбрать как тип регрессионного анализа, так и другие опции (об этом окне см.ниже). Если эта опция отменена, то используются по умолчанию установки, соответствующие определению стандартной регрессионной модели, включающей свободный член.

Установив флажок на опции Показывать описательные статистики, корреляционные матрицы (Review descriptive statistics, correlation matrix) и щелкнув ОК, получим диалоговое окно со статистическими характеристиками данных (средние, СКО, корреляции, ковариации, диаграммы размаха и т.д.).

Если анализируемые показатели имеют чрезвычайно малую относительную дисперсию, то следует установить флажок около опции Вычисления с повышенной точностью (Extended precision computations).

Шаг 2. Итак, если поставить галочку в опции Advanced options открывает диалоговое окно Определение модели:

В закладках устанавливаются параметры как стандартного метода (Standard), так и пошаговых процедур включения (Forward stepwise) и исключения (Backward stepwise) компонент.

Останавливаться на описании этих параметров мы не будем (аналогию см. Практика 10 «Дикриминантный и кластерный анализ», Пример 1, Шаг 3).

Добавим лишь то, что в этом же окне можно задать построение гребневой