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.
Инновационная политика современной России
Цель курсовой работы исследования по теме
«Инновационная политика современной России» заключается в разработке понятия
«инновационная политика» для ситуации современной России. С точки зрения
«политика» это не понятие, а действие. Под политикой можно понимать средство
реализации стратегии, воплощение в жизнь прио ...
История возникновения и развития регламентации и нормирования труда
труд нормирование
выработка
Нормирование труда - это часть
организации труда на предприятии. Под нормированием труда понимают процесс
установления научно-обоснованных норм затрат труда на выполнение работ.
Научно-обоснованные нормы предполагают учет технических и технологических
возможностей производства, учет ос ...