M-estymacja w badaniu małych przedsiębiorstw *
|
|
- Jan Popławski
- 7 lat temu
- Przeglądów:
Transkrypt
1 Zeszyty Unwersytet Ekonomczny w Krakowe Naukowe 1 (949) ISSN Zesz. Nauk. UEK, 2016; 1 (949): 5 21 DOI: /ZNUEK Grażyna Dehnel Elżbeta Gołata Katedra Statystyk Unwersytet Ekonomczny w Poznanu M-estymacja w badanu małych przedsęborstw * Streszczene W welu badanach z zakresu statystyk gospodarczej lczebność próby jest na tyle duża, że obserwacje odstające mają stosunkowo newelk wpływ na wartośc szacowanych parametrów. W badanach prowadzonych na nskm pozome agregacj w ramach statystyk krótkookresowej obecność obserwacj odstających może być jednak znacząca. Z tego powodu w przypadku populacj takch jak populacja przedsęborstw obok podejśca klasycznego w badanach pownen być uwzględnany nurt metod odpornych na występowane jednostek netypowych. W lteraturze przedmotu zaproponowano wele alternatywnych metod estymacj mnej wrażlwych na wartośc odstające. W opracowanu weryfkacj emprycznej poddano jedną z nch M-estymację. Celem analzy była ocena jej użytecznośc w odnesenu do badana małych przedsęborstw. Słowa kluczowe: regresja odporna, M-estymacja, statystyka przedsęborstw, obserwacje odstające. 1. Wprowadzene Założena dotyczące rozkładów jednostek według badanych cech, które muszą być spełnone w przypadku stosowana metody najmnejszych kwadratów, zostały precyzyjne określone. Ich nezachowane prowadz do obcążena szaco- * Artykuł powstał w ramach realzacj projektu sfnansowanego ze środków Narodowego Centrum Nauk przyznanych na podstawe decyzj numer DEC-2015/17/B/HS4/00905.
2 6 Grażyna Dehnel, Elżbeta Gołata wanego modelu. Problemy dotyczące nespełnena wymaganych założeń można rozwązać, dokonując transformacj zmennych. Transformacja ne jest jednak wystarczającym rozwązanem w przypadku obecnośc obserwacj netypowych. Ne zawsze bowem prowadz do wyelmnowana, czy chocaż złagodzena ch oddzaływana obcążającego szacunek parametrów modelu. W takej sytuacj regresja odporna, która może wykluczyć wpływ obserwacj odstających, stanow propozycję godną rozważena. W praktyce badań statystycznych dość często napotykamy populacje, które charakteryzują sę obecnoścą obserwacj netypowych. Zaproponowanych zostało wele metod badawczych, które mają na celu złagodzene wpływu jednostek odstających. W lteraturze przedmotu metody te podzelono na trzy grupy [Cox n. 1995]: 1) zmenające wartośc obserwacj odstających (wnsorzaton, trmmng), 2) redukujące wag obserwacj odstających, 3) technk estymacj (regresj) odpornej. Metody zalczane do perwszej grupy należą do najprostszych, rzadzej dzś stosowanych. Metody wchodzące w skład drugej grupy wykorzystywane są przede wszystkch w badanach próbkowych. Pozwalają one na modyfkację wag wynkających z przyjętego schematu losowana próby. Metody zalczane do trzecej grupy, czyl technk estymacj odpornej, w ostatnch latach coraz bardzej zyskują na znaczenu. Wśród nch wyróżnć można M-estymację, S-estymację czy MM-estymację. Wele z nch zostało opracowanych już w latach XX w., z tego względu jednak, że wymagają one podejśca teracyjnego, stosowane ch było ogranczone, gdyż wązało sę m.n. z długm czasem oblczeń. Obecne dostępne są pakety statystyczne umożlwające łatwą mplementację metod. Wzrost zanteresowana technkam regresj odpornej wynka równeż z tego, że ch zastosowane, w przecweństwe do nnych metod, ne wymaga wcześnejszej detekcj obserwacj odstających. Prowadząc badane z wykorzystanem technk regresj odpornej, stajemy przed konecznoścą dokonana wyboru takej metody, której zastosowane pozwol osągnąć najlepszy komproms pomędzy obcążenem szacunków a ch efektywnoścą. W wyborze kerować należy sę własnoścam poszczególnych metod, które zostały sformułowane m.n. w lteraturze przedmotu [Holland Welsch 1977, Huber 1981, Hampel n. 2011, Chen Yn 2002], czy też na podstawe przeprowadzonych wcześnej badań emprycznych. Wybór metody wymusza koneczność podjęca dalszych decyzj, poneważ w ramach każdej z wyróżnonych metod stosowanych może być wele podejść różnących sę doborem parametrów lub wykorzystywanych funkcj. W nnejszym artykule ogranczono sę do analzy jednej z najczęścej stosowanych technk regresj odpornej, jaką jest M-estymacja. Celem badana było porównane jakośc szacunków otrzymanych w oparcu o pęć M-estymatorów,
3 M-estymacja w badanu małych przedsęborstw 7 w których do określena wartośc wag wykorzystano różne funkcje. Oceny estymacj dokonano na podstawe badana emprycznego, w którym wykorzystano dane dotyczące małych przedsęborstw dzałających w ramach sekcj PKD Transport gospodarka magazynowa. 2. M-estymacja M-estymacja reprezentuje grupę regresyjnych odpornych estymatorów tzw. perwszej generacj. Estymator M został wprowadzony przez P.J. Hubera w 1964 r. [Huber 1964] jako odporny na obserwacje netypowe odpowednk podejśca reprezentowanego przez metodę najmnejszych kwadratów. Mnmalzuje on funkcję straty ρ( ): n ˆ r θ M = arg mn ρ ( θ ), r = y X θ, θ = 1 s (1) gdze: ρ funkcja celu, s parametr skal. Zakładając, że parametr skal s jest znany, oszacowane estymatora θ M otrzymujemy przez rozwązane układu p równań normalnych ze względu na wektor θ, rozpsanych jako loczyn zmennych nezależnych pochodnych cząstkowych funkcj ρ: p n y xk θk k = 1 Ψ x = 0, (2) = 1 s gdze: Ψ pochodna funkcj ρ, p lczba zmennych x. Zakłada sę tutaj, że s jest znane. W celu rozwązana równana (2) proponowane jest zastosowane metody teracyjnej ważonych najmnejszych kwadratów (IRLS) z wagam określonym wzorem [Trzpot 2013]: p y xk θk k = 1 Ψ s w =. (3) p y xk θk k = 1 s
4 8 Grażyna Dehnel, Elżbeta Gołata Szacunku początkowej wartośc ˆθ 0 dokonujemy na podstawe KMNK. W każdej kolejnej teracj t + 1 wykorzystuje sę wartośc reszt oraz wag otrzymane w teracj t aż do osągnęca zbeżnośc [Alma 2011]. Wartośc wag zależne są od wyboru funkcj Ψ korespondującej z funkcją ρ. Doboru funkcj Ψ dokonujemy zatem m.n. w zależnośc od tego, jaką wagę chcemy przypsać obserwacjom odstającym. W lteraturze przedmotu proponowanych jest wele podejść [Far 1974, Holland Welsch 1977, Hampel n. 2011, Chen Yn 2002, Banaś Lgas 2014]. W celu przyblżena ch własnośc, oceny przydatnośc oraz wpływu na wynk szacunku w nnejszym artykule zastosowanych zostało pęć najczęścej wykorzystywanych w badanach emprycznych funkcj: Andrewsa, Tukeya (bsquare), Cauchy ego, Fara Hampela (por. tabela 1): Funkcja Andrewsa x sn c jezel W, ( x, c x c ) = π x (4) c 0 w przecwnym przypadku, Funkcja Tukeya 2 2 x 1 jezel x c W, ( x, c ) = c (5) 0 w przecwnym przypadku, Funkcja Cauchy ego Funkcja Fara Funkcja Hampela 1 W ( x, c) =, 2 x 1+ c 1 W ( x, c) =, x 1+ c 1 x < a, a a < x b, x W ( x, a, b, c) = a c x b < x c, x c b 0 w przecwnym przypadku. (6) (7) (8)
5 M-estymacja w badanu małych przedsęborstw 9 Tabela 1. Przyjęte wartośc parametrów funkcj Funkcje wag Wartośc parametrów Andrewsa c = 1,339 Tukeya c = 4,685 Cauchy ego c = 2,385 Fara c = 1,4 Hampela a = 2, b = 4, c = 8 Źródło: opracowane własne na podstawe [User s Gude 2014]. W praktycznych zastosowanach parametr skal s jest neznany. Z uwag na to, że wartość warancj resztowej pozostaje pod slnym wpływem obserwacj odstających, do szacunku parametru skal wykorzystywane są różne metody. Wśród najczęścej stosowanych wyróżnć można łatwy odporny estymator parametru skal, jakm jest medana odchyleń bezwzględnych (MAD) (względem pewnego przyjętego centrum) (por. [Trzpot 2013]). Można go zastosować dla reszt blskch zero, dla pozostających w pewnym otoczenu albo dla reszt z odpornego dopasowana. Iteracyjne szacuje sę: n T ˆ ( m) med y ( 1) x m θ 1 s + = = β0 ˆ, gdze: β 0 = Φ 1 (0,75) jest stałą (por. [Hampel n. 2011]). M-estymator jest odporny jedyne na obserwacje odstające w kerunku y, ne jest natomast odporny na punkty wysokej dźwgn. Wpływa to na zakres jego zastosowań. Stosowany jest bowem często, ale w sytuacjach, w których punkty wysokej dźwgn ne są problemem. Jego punkt załamana ne jest wysok wynos 1/n. (9) 3. Charakterystyka badana emprycznego Mary wykorzystane do oceny szacunków otrzymanych w badanu emprycznym W ocene szacunków wykorzystano R 2 odporną wersję współczynnka determnacj (por. [Renaud Vctora-Feser 2010]):
6 10 Grażyna Dehnel, Elżbeta Gołata R 2 = T y ˆ ˆ µ y x θ ρ sˆ ρ sˆ y ˆ µ ρ sˆ (10) oraz D odporną marę jakośc dopasowana modelu 1 (por. [Chen 2003]): gdze: ρ funkcja celu, ˆµ estymator parametru położena, ŝ estymator parametru skal. Założena badana D = 2 ρ, sˆ (11) ˆ ( ˆ) 2 T y x θ s W badanu emprycznym wykorzystano nformacje pochodzące z badana przedsęborstw prowadzonego w ramach statystyk publcznej, oznaczonego symbolem DG1. Badane to jest najwększym badanem w Polsce zalczanym do krótkookresowej statystyk gospodarczej. Objęte są nm przedsęborstwa, w których pracuje węcej nż 9 osób. Badane dotyczy wszystkch średnch dużych przedsęborstw oraz 10% małych. Prowadzone jest z częstotlwoścą mesęczną. Dostarcza ono nformacj na temat takch zmennych, jak: przychód,, sprzedaż, transport, ceny, wynagrodzena, obrót, pracujący, podatk dotacje. W przeprowadzonym badanu emprycznym ogranczono sę do przedsęborstw małych średnch (lczba pracujących zawera sę w przedzale od 10 do 250), które prowadzły dzałalność gospodarczą w grudnu 2011 r. Analze poddano model, w którym jako zmenną zależną przyjęto przychód, zaś zmenną nezależną był. Jako populację generalną przyjęto wszystke małe średne przedsęborstwa borące udzał w badanu DG1. Domeną studów była jednostka powstała w wynku uwzględnena podzału na województwa rodzaj prowadzonej dzałalnośc gospodarczej zgodne z klasyfkacją NACE. W prezentacj wynków badana ogranczono sę do 16 domen sekcj Transport w przekroju województw. Selekcj domen dokonano na podstawe wartośc współczynnka determnacj charakteryzującego dobroć dopasowana modelu. Głównym celem wyboru domen do analzy było uwzględnene tych jednostek, dla których wartośc współczynnka determnacj charakteryzowały sę dużą dyspersją. W przypadku sekcj PKD Transport gospodarka magazynowa obszar zmennośc zawerał sę w grancach od 0,041 do 0,999 (por. tabela 3). 1 W lteraturze angelskojęzycznej określanej manem: the robust devance.
7 M-estymacja w badanu małych przedsęborstw 11 Perwszym etapem analzy była ocena rozkładów przedsęborstw względem zmennej przychód na podstawe nformacj pochodzących z badana DG1. Wartośc podstawowych charakterystyk, takch jak współczynnk zmennośc (65%; 405%), skośność (0,27; 5,63), obszar zmennośc ( tys. PLN; tys. PLN), wskazują na duże zróżncowane bardzo slną asymetrę (por. tabela 2). Własnośc te przemawają za użycem metod uwzględnających obserwacje odstające. Ich obecność potwerdzona została na podstawe dwóch mar RStudenta statystyk D-Cooka [Rousseeuw Leroy 1987]: RStudent * e * r =, r 3, (12) MSE 1 h 2 ( X X ) ( ) 1 h = + n X X gdze: MSE średn kwadrat odchyleń dla reszty po wyelmnowanu -tej obserwacj, h odległość -tej obserwacj od średnej wartośc zmennej X, Statystyka D-Cooka 2 e h 4 D =, D. 2 MSE k 1 1 h > (14) + n ( ) ( ) 2, (13) Tabela 2. Charakterystyka statystyczna rozkładu zmennej przychód (w tys. PLN) w małych średnch przedsęborstwach stanowących populację generalną w badanu w przekroju województw, sekcja PKD Transport gospodarka magazynowa, 2011 r. Województwo Mnmum Średna Medana Maxmum Vx (%) Skośność Dolnośląske ,24 Kujawsko-pomorske ,45 Lubelske ,22 Lubuske ,99 Łódzke ,47 Małopolske ,62 Mazowecke ,63 Opolske ,91 Podkarpacke ,27 Podlaske ,45 Pomorske ,38
8 12 Grażyna Dehnel, Elżbeta Gołata cd. tabel 2 Województwo Mnmum Średna Medana Maxmum Vx (%) Skośność Śląske ,55 Śwętokrzyske ,52 Warmńsko-mazurske ,76 Welkopolske ,87 Zachodnopomorske ,21 Źródło: opracowane własne na podstawe wynków badana DG1, Tabela 3. Charakterystyka statystyczna lczebnośc małych średnch przedsęborstw stanowących populację generalną w badanu w przekroju województw, sekcja PKD Transport gospodarka magazynowa, 2011 r. Województwo Lczebność populacj Lczba obserwacj odstających Odsetek obserwacj odstających Dolnośląske ,6 0,498 Kujawsko-pomorske ,3 0,873 Lubelske ,0 0,986 Lubuske ,0 0,041 Łódzke ,7 0,989 Małopolske ,8 0,998 Mazowecke ,7 0,935 Opolske ,3 0,921 Podkarpacke ,5 0,977 Podlaske ,7 0,999 Pomorske ,1 0,972 Śląske ,3 0,992 Śwętokrzyske ,0 0,996 Warmńsko-mazurske ,4 0,888 Welkopolske ,2 0,982 Zachodnopomorske ,7 0,910 Źródło: opracowane własne na podstawe wynków badana DG1, Lczbę, udzał procentowy obserwacj odstających R 2 zaprezentowano w tabel 3. Wartośc współczynnka determnacj wskazują, że w przypadku lcznejszych sekcj nawet stosunkowo duża lczba obserwacj odstających nekoneczne mus meć wpływ na dopasowane modelu. Z odwrotną sytuacją spotykamy sę w sekcjach mnej lczne reprezentowanych, w których pojedyncze R 2
9 M-estymacja w badanu małych przedsęborstw 13 Lubuske Przychód Dolnośląske ,2 0,4 0,6 0,8 Leverage Koszt Koszt RStudent RStudent ,1 0,2 0,3 0,4 0,5 Przychód Leverage Outler Leverage Outler and leverage Rys. 1. Obserwacje odstające w kerunku x (leverage) y (outler) w sekcj Transport w województwe dolnośląskm lubuskm Źródło: opracowane własne na podstawe wynków badana DG1, 2011.
10 14 Grażyna Dehnel, Elżbeta Gołata obserwacje odstające mogą meć bardzo duży wpływ na jakość modelu. O mocy oddzaływana jednostek netypowych decyduje bowem poza ch lczbą także typ (obserwacje odstające w kerunku x, obserwacje odstające w kerunku y) oraz odległość od jednostek typowych. W prezentacj grafcznej pozwalającej na ocenę typu obserwacj odstającej ogranczono sę do domen o najmnejszej wartośc współczynnka determnacj, tj. województwa dolnośląskego lubuskego (por. rys. 1). Wynk empryczne badana Celem badana było porównane pęcu M-estymatorów wykorzystujących różne funkcje do określena wartośc wag pod względem dokładnośc dopasowana modelu, która była reprezentowana przez odporną wersję współczynnka determnacj R 2 oraz odporną marę jakośc dopasowana modelu D. Różnce w wartoścach wyżej wskazanych parametrów otrzymanych dla poszczególnych rodzajów M-estymatorów odzwercedlają wrażlwość na obecność różnych typów obserwacj odstających oraz odległość jednostek netypowych od pozostałych, standardowych jednostek. Analza otrzymanych wynków skłana do wnosku, że wykorzystane M-estymacj poprawa jakość dopasowana modelu tylko wtedy, gdy obecne są obserwacje odstające w kerunku y. Jeśl blżej przyjrzymy sę sekcj Transport, zauważymy, że zastosowane M-estymacj ze względu na obecność punktów wysokej dźwgn spowodowało spadek wartośc współczynnka determnacj (w porównanu z klasyczną metodą najmnejszych kwadratów) w prawe wszystkch województwach. Wyjątek stanowło województwo dolnośląske. Podobne wnosk można sformułować na podstawe wartośc mary jakośc dopasowana modelu D (por. tabela 4). Najwyższe wartośc współczynnków determnacj najnższe wartośc charakterystyk D odnotowano dla funkcj Fara. W przypadku dwóch z zastosowanych funkcj wag Andrewsa Tukeya, jakość dopasowana modelu jest bardzo podobna. W pozostałych dwóch przypadkach, tzn. dla funkcj Cauchy ego oraz Hampela, obserwujemy zdecydowane nższe wartośc współczynnka determnacj wyższe odpornej mary D. Zbadano także parametry modelu oraz wyznaczone dla nch y (por. tabela 5). Zarówno wartośc estymatorów parametrów, jak ch prezentacja grafczna wskazują na dużą zgodność oszacowań w przypadku wszystkch pęcu analzowanych funkcj wag (por. rys. 2 3). Dla dwóch województw lubelskego mazursko-warmńskego, oszacowana współczynnka kerunkowego są bardzo blske zera, co oznacza brak korelacj mędzy zmennym. W pozostałych przypadkach wartość parametru kształtuje sę na pozome jednośc.
11 M-estymacja w badanu małych przedsęborstw 15 Tabela 4. Wartośc współczynnka determnacj R 2 oraz odpornej mary D dla M-estymatorów wykorzystujących pęć funkcj wag R 2 D KMNK Andrewsa Tukeya Cauchy ego Fara Hampela Andrewsa Tukeya Cauchy ego Fara Hampela Dolnośląske 0,498 0,714 0,717 0,465 0,719 0, Województwo Kujawsko- -pomorske 0,873 0,639 0,641 0,396 0,796 0, Lubelske 0,986 0,704 0,708 0,538 0,926 0, Lubuske 0,041 0,016 0,016 0,002 0,000 0, Łódzke 0,989 0,801 0,802 0,446 0,941 0, Małopolske 0,998 0,660 0,661 0,478 0,949 0, Mazowecke 0,935 0,613 0,614 0,420 0,836 0, Opolske 0,921 0,716 0,717 0,480 0,836 0, Podkarpacke 0,977 0,790 0,792 0,616 0,941 0, , Podlaske 0,999 0,861 0,863 0,495 0,995 0, Pomorske 0,972 0,683 0,686 0,413 0,901 0, Śląske 0,992 0,696 0,697 0,423 0,923 0, Śwętokrzyske Warmńsko- -mazurske Welkopolske Zachodnopomorske 0,996 0,756 0,759 0,507 0,968 0, ,888 0,783 0,784 0,153 0,807 0, ,982 0,755 0,722 0,504 0,934 0, ,910 0,629 0,629 0,442 0,818 0, Źródło: opracowane własne na podstawe wynków badana DG1, 2011.
12 16 Grażyna Dehnel, Elżbeta Gołata Tabela 5. Szacunk parametrów równana oraz y (95%) dla M-estymatorów wykorzystujących pęć funkcj wag Województwo Funkcja Andrewsa Funkcja Tukeya Funkcja Cauchy ego Funkcja Fara Funkcja Hampela Szacunek współczynnka kerunkowego Dolnośląske 1,000 0,949 1,052 1,000 0,949 1,052 1,008 0,962 1,054 1,004 0,953 1,055 1,002 0,950 1,055 Kujawsko- -pomorske 0,981 0,943 1,020 0,982 0,943 1,020 0,980 0,942 1,019 0,982 0,931 1,033 0,979 0,937 1,020 Lubelske 0,990 0,986 0,994 0,990 0,986 0,994 0,990 0,986 0,994 0,990 0,985 0,995 0,990 0,985 0,995 Lubuske 0,004 0,013 0,006 0,004 0,013 0,005 0,004 0,014 0,006 0,001 0,019 0,017 0,004 0,015 0,006 Łódzke 1,005 0,968 1,041 1,004 0,968 1,041 1,000 0,965 1,034 0,998 0,967 1,029 1,007 0,971 1,043 Małopolske 0,921 0,919 0,924 0,921 0,919 0,924 0,921 0,918 0,924 0,921 0,917 0,925 0,921 0,918 0,925 Mazowecke 1,019 1,017 1,020 1,019 1,018 1,020 1,034 1,033 1,035 0,931 0,929 0,932 1,034 1,033 1,035 Opolske 0,881 0,842 0,920 0,881 0,841 0,921 0,886 0,840 0,932 0,906 0,838 0,974 0,875 0,815 0,935 Podkarpacke 1,014 0,988 1,040 1,014 0,988 1,040 1,002 0,973 1,030 0,985 0,949 1,020 1,008 0,980 1,036 Podlaske 0,995 0,989 1,000 0,995 0,989 1,000 0,995 0,990 1,000 0,995 0,990 1,000 0,994 0,989 0,999 Pomorske 0,980 0,961 0,999 0,980 0,960 0,999 0,961 0,939 0,983 0,937 0,911 0,963 0,982 0,961 1,004 Śląske 0,889 0,884 0,895 0,889 0,884 0,895 0,883 0,877 0,889 0,882 0,874 0,889 0,892 0,885 0,898 Śwętokrzyske Warmńsko- -mazurske 0,984 0,965 1,003 0,984 0,965 1,004 0,982 0,962 1,001 0,979 0,960 0,998 0,980 0,960 1,001 0,478 0,372 0,584 0,478 0,372 0,584 0,478 0,368 0,588 0,479 0,360 0,598 0,479 0,378 0,579 Welkopolske 0,990 0,970 1,010 0,987 0,963 1,011 0,967 0,942 0,992 0,961 0,934 0,988 0,952 0,925 0,980 Zachodnopomorske 1,037 1,019 1,055 1,037 1,018 1,056 1,034 1,015 1,053 1,041 1,015 1,067 1,032 1,007 1,056
13 M-estymacja w badanu małych przedsęborstw 17 Województwo Funkcja Andrewsa Funkcja Tukeya Funkcja Cauchy ego Funkcja Fara Funkcja Hampela Szacunek wyrazu wolnego Dolnośląske Kujawsko- -pomorske Lubelske Lubuske Łódzke Małopolske Mazowecke Opolske Podkarpacke Podlaske Pomorske Śląske Śwętokrzyske Warmńsko- -mazurske Welkopolske Zachodnopomorske Źródło: opracowane własne na podstawe wynków badana DG1, 2011.
14 18 Grażyna Dehnel, Elżbeta Gołata Dolnośląske Kujawsko- -pomorske Lubelske Lubuske Łódzke Małopolske Mazowecke Opolske Podkarpacke Podlaske Pomorske Śląske Śwętokrzyske Warmńsko- -mazurske Welkopolske Zachodnopomorske funkcja Andrewsa funkcja Tukeya funkcja Cauchy ego funkcja Fara funkcja Hampela Rys. 2. Ocena współczynnka kerunkowego modelu regresj na podstawe wybranych funkcj Źródło: opracowane własne na podstawe wynków badana DG1, 2011.
15 M-estymacja w badanu małych przedsęborstw 19 1,2 1 0,8 0,6 0,4 0,2 0 0,2 Dolnośląske Kujawsko- -pomorske Lubelske Lubuske Łódzke Małopolske Mazowecke Opolske Podkarpacke Podlaske Pomorske Śląske Śwętokrzyske Warmńsko- -mazurske Welkopolske Zachodnopomorske funkcja Andrewsa funkcja Tukeya funkcja Cauchy ego funkcja Fara funkcja Hampela Rys. 3. Ocena wyrazu wolnego modelu regresj na podstawe wybranych funkcj Źródło: opracowane własne na podstawe wynków badana DG1, 2011.
16 20 Grażyna Dehnel, Elżbeta Gołata 4. Wnosk Zastosowane każdej z pęcu badanych funkcj z punktu wdzena dopasowana modelu przynosło zblżone rezultaty. W welu praktycznych sytuacjach wykorzystana M-estymacj wybór funkcj Ψ ne jest kluczowy dla uzyskana dobrego odpornego oszacowana. Najwększe rozbeżnośc w ocene szacowanych parametrów dotyczyły funkcj Cauchy ego Hampela. Dla tych funkcj jakość dopasowana modelu była też najsłabsza. Zastosowane M-estymatora w przypadku obecnośc wartośc odstających może wpłynąć na poprawę jakośc dopasowana modelu w porównanu z klasycznym metodam szacunków, zależy to jednak w dużym stopnu od rodzaju obserwacj netypowej (odległośc). M-estymator ne jest odporny na punkty wysokej dźwgn, a węc pownen być stosowany w sytuacjach, w których punkty wysokej dźwgn ne występują. Lteratura Alma Ö.G. [2011], Comparson of Robust Regresson Methods n Lnear Regresson, Internatonal Journal of Contemporary Mathematcal Scences, vol. 6, nr 9, dx.do.org/ /jcms. Banaś M., Lgas M. [2014], Emprcal Tests of Performance of Some M-estmators, Geodesy and Cartography, vol. 63, nr 2, Chen C. [2003], Robust Tools n SAS [w:] Developments n Robust Statstcs. Internatonal Conference on Robust Statstcs, red. R. Dutter n., Sprnger Scence and Busness Meda, Berln Hedelberg, Chen C., Yn G. [2002], Computng the Effcency and Tunng Constants for M-Estmaton, Proceedngs of the 2002 Jont Statstcal Meetngs, Amercan Statstcal Assocaton, Alexandra. Cox B.G., Bnder A., Chnnappa N.B., Chrstanson A., Colledge M.J., Kott P.S. [1995], Busness Survey Methods, John Wley and Sons, Hoboken, NJ, org/ / fmatter. Far R.C. [1974], On the Robust Estmaton of Econometrc Models, Annals of Economc and Socal Measurement, vol. 3. Hampel F.R., Ronchett E.M., Rousseeuw P.J., Stahel W.A. [2011], Robust Statstcs: The Approach Based on Influence Functons, John Wley and Sons, Hoboken, NJ, dx.do.org/ / fmatter. Holland P., Welsch R. [1977], Robust Regresson Usng Iteratvely Reweghted Least- -Squares, Communcatons n Statstcs Theory and Methods, vol. 6, org/ / Huber P.J. [1964], Robust Estmaton of a Locaton Parameter, Annals of Mathematcal Statstcs, vol. 35. Huber P.J. [1981], Robust Statstcs, John Wley and Sons, New York.
17 M-estymacja w badanu małych przedsęborstw 21 Renaud O., Vctora-Feser M. [2010], A Robust Coeffcent of Determnaton for Regresson, Journal of Statstcal Plannng and Inference, vol. 140, nr 7, org/ /j.jsp Rousseeuw P.J., Leroy A.M. [1987], Robust Regresson and Outler Detecton, Wley- -Interscence, New York. Trzpot G. [2013], Wybrane statystyk odporne, Studa Ekonomczne, nr 152. User s Gude. The Robustreg Procedure [2014], SAS Insttute, Cary, NC. M-estmaton n a Small Busness Survey (Abstract) In many busness surveys, sample szes are large enough to compensate for the presence of outlers, whch have a relatvely small mpact on estmates. However, at low levels of aggregaton, the mpact of outlers mght be sgnfcant. Therefore, n the case of a populaton such as the populaton of enterprses, the classcal approach should be accompaned by methods that resst the occurrence of outlers. To deal wth ths problem, several alternatve technque of estmaton, less senstve to outlers, have been proposed n the statstcs lterature. In ths paper we look at one of them M-estmaton, and compare ts usefulness n the small busnesses survey. Keywords: robust regresson, M-estmaton, busness statstcs, outlers.
ANALIZA WPŁYWU OBSERWACJI NIETYPOWYCH NA WYNIKI MODELOWANIA REGIONALNEJ WYDAJNOŚCI PRACY
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 36, T. 1 Barbara Batóg *, Jacek Batóg ** Unwersytet Szczecńsk ANALIZA WPŁYWU OBSERWACJI NIETYPOWYCH NA WYNIKI MODELOWANIA REGIONALNEJ WYDAJNOŚCI
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 7
Stansław Cchock Natala Nehrebecka Wykład 7 . Zmenne dyskretne Kontrasty: efekty progowe, kontrasty w odchylenach Interakcje. Przyblżane model nelnowych Stosowane do zmennych dyskretnych o uporządkowanych
Bardziej szczegółowoWeryfikacja hipotez dla wielu populacji
Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w
Bardziej szczegółowoVI MISTRZOSTWA POLSKI URZĘDÓW MARSZAŁKOWSKICH W PIŁCE NOŻNEJ LUBELSKIE 2013 ZAMOŚĆ, września 2013 r. KOMUNIKAT KOŃCOWY
KOMUNKAT KOŃCOWY Gr. A Gr. B A. LUBELSKE B. ŚLĄSKE A. ŁÓDZKE B. ZACHODNOPOMORSKE A. KUJAWSKO-POMORSKE B. PODKARPACKE A. MAZOWECKE B. MAŁOPOLSKE Gr. C Gr. D _ C. OPOLSKE D. DOLNOŚLĄSKE C. WARMŃSKO-MAZURSKE
Bardziej szczegółowoNatalia Nehrebecka. Zajęcia 3
St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 3 1. Dobroć dopasowana równana regresj. Współczynnk determnacj R Dk Dekompozycja warancj zmennej zależnej ż Współczynnk determnacj R. Zmenne cągłe a
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3
Stansław Cchock Natala Nehrebecka Katarzyna Rosak-Lada Zajęca 3 1. Dobrod dopasowana równana regresj. Współczynnk determnacj R 2 Dekompozycja warancj zmennej zależnej Współczynnk determnacj R 2 2. Zmenne
Bardziej szczegółowoNatalia Nehrebecka. Wykład 2
Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad
Bardziej szczegółowoPROGNOZOWANIE SPRZEDAŻY Z ZASTOSOWANIEM ROZKŁADU GAMMA Z KOREKCJĄ ZE WZGLĘDU NA WAHANIA SEZONOWE
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 36 Krzysztof Dmytrów * Marusz Doszyń ** Unwersytet Szczecńsk PROGNOZOWANIE SPRZEDAŻY Z ZASTOSOWANIEM ROZKŁADU GAMMA Z KOREKCJĄ ZE WZGLĘDU NA
Bardziej szczegółowoZASTOSOWANIE METOD WAP DO OCENY POZIOMU PRZESTRZENNEGO ZRÓŻNICOWANIA ROZWOJU ROLNICTWA W POLSCE
Inżynera Rolncza 1(126)/2011 ZASTOSOWANIE METOD WAP DO OCENY POZIOMU PRZESTRZENNEGO ZRÓŻNICOWANIA ROZWOJU ROLNICTWA W POLSCE Katedra Zastosowań Matematyk Informatyk, Unwersytet Przyrodnczy w Lublne w Lublne
Bardziej szczegółowoW praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.
Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas
Bardziej szczegółowoWYBRANE STATYSTYKI ODPORNE
Grażyna Trzpot Unwersytet Ekonomczny w Katowcach WYBRANE STATYSTYKI ODPORNE Wprowadzene Obserwacje oddalone (outlers) są takm obserwacjam w próbe, które mogą powodować zakłócena w ocene relacj w próbe.
Bardziej szczegółowoTAKSONOMICZNA ANALIZA ROZWOJU TRANSPORTU DROGOWEGO W POLSCE
Katarzyna CHEBA * TAKSONOMICZNA ANALIZA ROZWOJU TRANSPORTU DROGOWEGO W POLSCE Streszczene Pozom warunk życa ludnośc w Polsce są slne przestrzenne zróżncowane. W pracy na przykładze województw w Polsce
Bardziej szczegółowoZadane 1: Wyznacz średne ruchome 3-okresowe z następujących danych obrazujących zużyce energ elektrycznej [kwh] w pewnym zakładze w mesącach styczeń - lpec 1998 r.: 400; 410; 430; 40; 400; 380; 370. Zadane
Bardziej szczegółowoNtli Natalia Nehrebecka. Dariusz Szymański. Zajęcia 4
Ntl Natala Nehrebecka Darusz Szymańsk Zajęca 4 1 1. Zmenne dyskretne 3. Modele z nterakcjam 2. Przyblżane model dlnelnowych 2 Zmenne dyskretne Zmenne nomnalne Zmenne uporządkowane 3 Neco bardzej skomplkowana
Bardziej szczegółowoPlan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup
Jednoczynnkowa Analza Waranc (ANOVA) Wykład 11 Przypomnene: wykłady zadana kursu były zaczerpnęte z podręcznków: Statystyka dla studentów kerunków techncznych przyrodnczych, J. Koronack, J. Melnczuk, WNT
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH
STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj
Bardziej szczegółowoAnaliza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH
Analza danych Analza danych welowymarowych. Regresja lnowa. Dyskrymnacja lnowa. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ PARA ZMIENNYCH LOSOWYCH Parę zmennych losowych X, Y możemy
Bardziej szczegółowoOeconomiA copernicana 2013 Nr 3. Modele ekonometryczne w opisie wartości rezydualnej inwestycji
OeconomA coperncana 2013 Nr 3 ISSN 2083-1277, (Onlne) ISSN 2353-1827 http://www.oeconoma.coperncana.umk.pl/ Klber P., Stefańsk A. (2003), Modele ekonometryczne w opse wartośc rezydualnej nwestycj, Oeconoma
Bardziej szczegółowo) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4
Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 11
Stansław Cchock Natala Nehrebecka Wykład 11 1 1. Testowane hpotez łącznych 2. Testy dagnostyczne Testowane prawdłowośc formy funkcyjnej: test RESET Testowane normalnośc składnków losowych: test Jarque-Berra
Bardziej szczegółowo( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X
Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są
Bardziej szczegółowoDobór zmiennych objaśniających
Dobór zmennych objaśnających Metoda grafowa: Należy tak rozpąć graf na werzchołkach opsujących poszczególne zmenne, aby występowały w nm wyłączne łuk symbolzujące stotne korelacje pomędzy zmennym opsującym.
Bardziej szczegółowoBadanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej
Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.
Bardziej szczegółowoMETODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów.
Opracowane: Dorota Mszczyńska METODA UNITARYZACJI ZEROWANEJ Porównane obektów przy ocene welokryteralnej. Rankng obektów. Porównane wybranych obektów (warantów decyzyjnych) ze względu na różne cechy (krytera)
Bardziej szczegółowoPropozycja modyfikacji klasycznego podejścia do analizy gospodarności
Jacek Batóg Unwersytet Szczecńsk Propozycja modyfkacj klasycznego podejśca do analzy gospodarnośc Przedsęborstwa dysponujące dentycznym zasobam czynnków produkcj oraz dzałające w dentycznych warunkach
Bardziej szczegółowoProcedura normalizacji
Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny
Bardziej szczegółowoBadania sondażowe. Braki danych Konstrukcja wag. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa
Badana sondażowe Brak danych Konstrukcja wag Agneszka Zęba Zakład Badań Marketngowych Instytut Statystyk Demograf Szkoła Główna Handlowa 1 Błędy braku odpowedz Całkowty brak odpowedz (UNIT nonresponse)
Bardziej szczegółowoPROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE
PROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE Janusz Wątroba, StatSoft Polska Sp. z o.o. W nemal wszystkch dzedznach badań emprycznych mamy do czynena ze złożonoścą zjawsk procesów.
Bardziej szczegółowoSZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW
SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Zajęcia 4
Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja
Bardziej szczegółowoHipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ
WERYFIKACJA HIPOTEZY O ISTOTNOŚCI OCEN PARAMETRÓW STRUKTURALNYCH MODELU Hpoezy o sonośc oszacowao paramerów zmennych objaśnających Tesowane sonośc paramerów zmennych objaśnających sprowadza sę do nasępującego
Bardziej szczegółowoEvaluation of estimation accuracy of correlation functions with use of virtual correlator model
Jadwga LAL-JADZIAK Unwersytet Zelonogórsk Instytut etrolog Elektrycznej Elżbeta KAWECKA Unwersytet Zelonogórsk Instytut Informatyk Elektronk Ocena dokładnośc estymacj funkcj korelacyjnych z użycem modelu
Bardziej szczegółowoZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 2(88)/2012
ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW (88)/01 Hubert Sar, Potr Fundowcz 1 WYZNACZANIE ASOWEGO OENTU BEZWŁADNOŚCI WZGLĘDE OSI PIONOWEJ DLA SAOCHODU TYPU VAN NA PODSTAWIE WZORU EPIRYCZNEGO 1. Wstęp asowy moment
Bardziej szczegółowoRozwiązywanie zadań optymalizacji w środowisku programu MATLAB
Rozwązywane zadań optymalzacj w środowsku programu MATLAB Zagadnene optymalzacj polega na znajdowanu najlepszego, względem ustalonego kryterum, rozwązana należącego do zboru rozwązań dopuszczalnych. Standardowe
Bardziej szczegółowoANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XVI/3, 2015, str. 248 257 ANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ Sławomr
Bardziej szczegółowoKształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu
PRACE KOMISJI GEOGRAFII PRZEMY SŁU Nr 7 WARSZAWA KRAKÓW 2004 Akadema Pedagogczna, Kraków Kształtowane sę frm nformatycznych jako nowych elementów struktury przestrzennej przemysłu Postępujący proces rozwoju
Bardziej szczegółowo65120/ / / /200
. W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę
Bardziej szczegółowoZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 5(96)/2013
ZESZYTY NAUKOWE NSTYTUTU POJAZDÓW 5(96)/2013 Hubert Sar, Potr Fundowcz 1 WYZNACZANE MASOWEGO MOMENTU BEZWŁADNOŚC WZGLĘDEM OS PODŁUŻNEJ DLA SAMOCHODU TYPU VAN NA PODSTAWE WZORÓW DOŚWADCZALNYCH 1. Wstęp
Bardziej szczegółowoNatalia Nehrebecka. Zajęcia 4
St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających
Bardziej szczegółowoAnaliza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A
Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe
Bardziej szczegółowoProblemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA
Problemy jednoczesnego testowana welu hpotez statystycznych ch zastosowana w analze mkromacerzy DNA Konrad Furmańczyk Katedra Zastosowań Matematyk SGGW Plan referatu Testowane w analze mkromacerzy DNA
Bardziej szczegółowoAnaliza korelacji i regresji
Analza korelacj regresj Zad. Pewen zakład produkcyjny zatrudna pracownków fzycznych. Ich wydajność pracy (Y w szt./h) oraz mesęczne wynagrodzene (X w tys. zł) przedstawa ponższa tabela: Pracownk y x A
Bardziej szczegółowoIdentyfikacja determinant bogactwa dochodowego z zastosowaniem modelu logitowego
Zarządzane Fnanse Journal of Management and Fnance Vol. 13, No. 4//015 Anna Sączewska-Potrowska * Identyfkacja determnant bogactwa dochodowego z zastosowanem modelu logtowego Wstęp Przeprowadzane badana
Bardziej szczegółowoOcena stopnia zagrożenia bezrobociem województw Polski w latach
Zeszyty Unwersytet Ekonomczny w Krakowe Naukowe 4 (94) ISSN 1898-6447 Zesz. Nauk. UEK, 15; 4 (94): 145 161 OI: 1.15678/ZNUEK.15.94.411 Monka Mśkewcz-Nawrocka Katarzyna Zeug-Żebro Katedra Matematyk Unwersytet
Bardziej szczegółowoKURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1
KURS STATYSTYKA Lekcja 6 Regresja lne regresj ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 Funkcja regresj I rodzaju cechy Y zależnej
Bardziej szczegółowoNatalia Nehrebecka Stanisław Cichocki. Wykład 10
Natala Nehrebecka Stansław Cchock Wykład 10 1 1. Testy dagnostyczne 2. Testowane prawdłowośc formy funkcyjnej modelu 3. Testowane normalnośc składnków losowych 4. Testowane stablnośc parametrów 5. Testowane
Bardziej szczegółowoEgzamin ze statystyki/ Studia Licencjackie Stacjonarne/ Termin I /czerwiec 2010
Egzamn ze statystyk/ Studa Lcencjacke Stacjonarne/ Termn /czerwec 2010 Uwaga: Przy rozwązywanu zadań, jeśl to koneczne, naleŝy przyjąć pozom stotnośc 0,01 współczynnk ufnośc 0,99 Zadane 1 PonŜsze zestawene
Bardziej szczegółowoMATERIAŁY I STUDIA. Zeszyt nr 286. Analiza dyskryminacyjna i regresja logistyczna w procesie oceny zdolności kredytowej przedsiębiorstw
MATERIAŁY I STUDIA Zeszyt nr 86 Analza dyskrymnacyjna regresja logstyczna w procese oceny zdolnośc kredytowej przedsęborstw Robert Jagełło Warszawa, 0 r. Wstęp Robert Jagełło Narodowy Bank Polsk. Składam
Bardziej szczegółowoZASTOSOWANIE METOD EKONOMETRYCZNYCH DO BADANIA HETEROGENICZNOŚCI OBIEKTÓW
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 31 Marusz Doszyń Unwersytet Szczecńsk ZASTOSOWANIE METOD EKONOMETRYCZNYCH DO BADANIA HETEROGENICZNOŚCI OBIEKTÓW Streszczene W artykule scharakteryzowano
Bardziej szczegółowoMODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI
Alcja Wolny-Domnak Unwersytet Ekonomczny w Katowcach MODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI Wprowadzene
Bardziej szczegółowoAnaliza i diagnoza sytuacji finansowej wybranych branż notowanych na Warszawskiej Giełdzie Papierów Wartościowych w latach
Jacek Batóg Unwersytet Szczecńsk Analza dagnoza sytuacj fnansowej wybranych branż notowanych na Warszawskej Gełdze Paperów Wartoścowych w latach 997-998 W artykule podjęta została próba analzy dagnozy
Bardziej szczegółowoModele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.
Modele weloczynnkowe Analza Zarządzane Portfelem cz. 4 Ogólne model weloczynnkowy można zapsać jako: (,...,,..., ) P f F F F = n Dr Katarzyna Kuzak lub (,...,,..., ) f F F F = n Modele weloczynnkowe Można
Bardziej szczegółowoMetody predykcji analiza regresji
Metody predykcj analza regresj TPD 008/009 JERZY STEFANOWSKI Instytut Informatyk Poltechnka Poznańska Przebeg wykładu. Predykcja z wykorzystanem analzy regresj.. Przypomnene wadomośc z poprzednch przedmotów..
Bardziej szczegółowoOPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE OPTIMAL INVESTMENT STRATEGY FUNDAMENTAL ANALYSIS
ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2014 Sera: ORGANIZACJA I ZARZĄDZANIE z. 68 Nr kol. 1905 Adranna MASTALERZ-KODZIS Unwersytet Ekonomczny w Katowcach OPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE
Bardziej szczegółowoSTATECZNOŚĆ SKARP. α - kąt nachylenia skarpy [ o ], φ - kąt tarcia wewnętrznego gruntu [ o ],
STATECZNOŚĆ SKARP W przypadku obektu wykonanego z gruntów nespostych zaprojektowane bezpecznego nachylena skarp sprowadza sę do przekształcena wzoru na współczynnk statecznośc do postac: tgφ tgα = n gdze:
Bardziej szczegółowoAnaliza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)
Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz
Bardziej szczegółowoZaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych
Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 7
Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL W standardowym modelu lnowym zakładamy,
Bardziej szczegółowoSystem Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ Autor: Joanna Wójcik
Opracowane w ramach projektu System Przecwdzałana Powstawanu Bezroboca na Terenach Słabo Zurbanzowanych ze środków Europejskego Funduszu Społecznego w ramach Incjatywy Wspólnotowej EQUAL PARTNERSTWO NA
Bardziej szczegółowoStatystyka Opisowa 2014 część 2. Katarzyna Lubnauer
Statystyka Opsowa 2014 część 2 Katarzyna Lubnauer Lteratura: 1. Statystyka w Zarządzanu Admr D. Aczel 2. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucjan Kowalsk. 4. Statystyka opsowa,
Bardziej szczegółowoBadanie współzaleŝności dwóch cech ilościowych X i Y. Analiza korelacji prostej. Badanie zaleŝności dwóch cech ilościowych. Analiza regresji prostej
Badane współzaleŝnośc dwóch cech loścowych X Y. Analza korelacj prostej Badane zaleŝnośc dwóch cech loścowych. Analza regresj prostej Kody znaków: Ŝółte wyróŝnene nowe pojęce czerwony uwaga kursywa komentarz
Bardziej szczegółowoRachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej
Rachunek prawdopodobeństwa statstka W 11: Analz zależnoścpomędz zmennm losowm Model regresj welokrotnej Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Model regresj lnowej Model regresj lnowej prostej
Bardziej szczegółowoWspółczynnik korelacji liniowej oraz funkcja regresji liniowej dwóch zmiennych
Współcznnk korelacj lnowej oraz funkcja regresj lnowej dwóch zmennch S S r, cov współcznnk determnacj R r Współcznnk ndetermnacj ϕ r Zarówno współcznnk determnacj jak ndetermnacj po przemnożenu przez 00
Bardziej szczegółowoProjekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE
Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:
Bardziej szczegółowoXXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne
XXX OLIMPIADA FIZYCZNA ETAP III Zadane dośwadczalne ZADANIE D Nazwa zadana: Maszyna analogowa. Dane są:. doda półprzewodnkowa (krzemowa) 2. opornk dekadowy (- 5 Ω ), 3. woltomerz cyfrowy, 4. źródło napęca
Bardziej szczegółowoAnaliza regresji modele ekonometryczne
Analza regresj modele ekonometryczne Klasyczny model regresj lnowej - przypadek jednej zmennej objaśnającej. Rozpatrzmy klasyczne zagadnene zależnośc pomędzy konsumpcją a dochodam. Uważa sę, że: - zależność
Bardziej szczegółowoNatalia Nehrebecka. Dariusz Szymański
Natala Nehrebecka Darusz Szymańsk . Sprawy organzacyjne Zasady zalczena Ćwczena Lteratura. Czym zajmuje sę ekonometra? Model ekonometryczny 3. Model lnowy Postać modelu lnowego Zaps macerzowy modelu dl
Bardziej szczegółowoKURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1
KURS STATYSTYKA Lekcja 1 Statystyka opsowa ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 W statystyce opsowej mamy pełne nformacje
Bardziej szczegółowoANALIZA PRZESTRZENNA PROCESU STARZENIA SIĘ POLSKIEGO SPOŁECZEŃSTWA
TUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 36 Katarzyna Zeug-Żebro * Unwersytet Ekonomczny w Katowcach ANALIZA PRZETRZENNA PROCEU TARZENIA IĘ POLKIEGO POŁECZEŃTWA TREZCZENIE Perwsze prawo
Bardziej szczegółowoRegulacje i sądownictwo przeszkody w konkurencji między firmami w Europie Środkowej i Wschodniej
Łukasz Goczek * Regulacje sądownctwo przeszkody w konkurencj mędzy frmam w Europe Środkowej Wschodnej Wstęp Celem artykułu jest analza przeszkód dla konkurencj pomędzy frmam w Europe Środkowej Wschodnej.
Bardziej szczegółowoRegionalne zróżnicowanie wykorzystania technologii informacyjno-telekomunikacyjnych w przedsiębiorstwach
dr nż. Jolanta Wojnar Zakład Metod Iloścowych Wydzał Ekonom, Unwersytet Rzeszowsk Regonalne zróżncowane wykorzystana technolog nformacyjno-telekomunkacyjnych w przedsęborstwach WPROWADZENIE Ogólnośwatowe
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne
Bardziej szczegółowoAnaliza porównawcza rozwoju wybranych banków komercyjnych w latach 2001 2009
Mara Konopka Katedra Ekonomk Organzacj Przedsęborstw Szkoła Główna Gospodarstwa Wejskego w Warszawe Analza porównawcza rozwoju wybranych banków komercyjnych w latach 2001 2009 Wstęp Polska prywatyzacja
Bardziej szczegółowoA C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XXXIX NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZTYT 389 TORUŃ 2009.
A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XXXIX NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZTYT 389 TORUŃ 2009 Unwersytet Mkołaja Kopernka w Torunu Katedra Ekonometr Statystyk Elżbeta
Bardziej szczegółowoROLNICTWO W REGIONACH. WIELOWYMIAROWE SPOJRZENIE W UJĘCIU DYNAMICZNYM
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XV/1, 2016, str. 98 108 ROLNICTWO W REGIONACH. WIELOWYMIAROWE SPOJRZENIE W UJĘCIU DYNAMICZNYM Agneszka Sompolska-Rzechuła Katedra Zastosowań Matematyk w Ekonom
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =
Bardziej szczegółowoWspółczynnik korelacji. Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ
Współczynnik korelacji Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ Własności współczynnika korelacji 1. Współczynnik korelacji jest liczbą niemianowaną 2. ϱ 1,
Bardziej szczegółowo6. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO
Różnce mędzy obserwacjam statystycznym ruchu kolejowego a samochodowego 7. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO.. Obserwacje odstępów mędzy kolejnym wjazdam na stację
Bardziej szczegółowoMIARA ZRÓŻNICOWANIA WYPOSAŻENIA GOSPODARSTW ROLNYCH W TECHNICZNE ŚRODKI PRODUKCJI
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XIII/1, 2012, str. 204 211 MIARA ZRÓŻNICOWANIA WYPOSAŻENIA GOSPODARSTW ROLNYCH W TECHNICZNE ŚRODKI PRODUKCJI Janna Szewczyk Katedra Statystyk Matematycznej,
Bardziej szczegółowoTeoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru
Pomary fzyczne - dokonywane tylko ze skończoną dokładnoścą. Powodem - nedoskonałość przyrządów pomarowych neprecyzyjność naszych zmysłów borących udzał w obserwacjach. Podawane samego tylko wynku pomaru
Bardziej szczegółowoO PEWNYM MODELU POZWALAJĄCYM IDENTYFIKOWAĆ K NAJBARDZIEJ PODEJRZANYCH REKORDÓW W ZBIORZE DANYCH KSIĘGOWYCH W PROCESIE WYKRYWANIA OSZUSTW FINANSOWYCH
Mateusz Baryła Unwersytet Ekonomczny w Krakowe O PEWNYM MODELU POZWALAJĄCYM IDENTYFIKOWAĆ K NAJBARDZIEJ PODEJRZANYCH REKORDÓW W ZBIORZE DANYCH KSIĘGOWYCH W PROCESIE WYKRYWANIA OSZUSTW FINANSOWYCH Wprowadzene
Bardziej szczegółowoWstęp do metod numerycznych Faktoryzacja SVD Metody iteracyjne. P. F. Góra
Wstęp do metod numerycznych Faktoryzacja SVD Metody teracyjne P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ 2013 Sngular Value Decomposton Twerdzene 1. Dla każdej macerzy A R M N, M N, stneje rozkład
Bardziej szczegółowoZjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych)
Statystyka - nauka zajmująca sę metodam badana przedmotów zjawsk w ch masowych przejawach ch loścową lub jakoścową analzą z punktu wdzena nauk, do której zakresu należą.
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej
Bardziej szczegółowoWPŁYW PARAMETRÓW DYSKRETYZACJI NA NIEPEWNOŚĆ WYNIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO
Walenty OWIECZKO WPŁYW PARAMETRÓW DYSKRETYZACJI A IEPEWOŚĆ WYIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO STRESZCZEIE W artykule przedstaono ynk analzy nepenośc pomaru ybranych cech obektu obrazu cyfroego. Wyznaczono
Bardziej szczegółowoPerspektywy zachodniopomorskiego rynku pracy po 1 maja 2011 r.
Perspektywy zachodniopomorskiego rynku pracy po 1 maja 2011 r. Szczecin, 27 kwietnia 2011 r. Podstawowe dane o bezrobociu w województwie zachodniopomorskim wg stanu na koniec marca 2011 roku: STOPA BEZROBOCA
Bardziej szczegółowoPattern Classification
attern Classfcaton All materals n these sldes were taken from attern Classfcaton nd ed by R. O. Duda,. E. Hart and D. G. Stork, John Wley & Sons, 000 wth the permsson of the authors and the publsher Chapter
Bardziej szczegółowoProces narodzin i śmierci
Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do
Bardziej szczegółowoBADANIE STABILNOŚCI WSPÓŁCZYNNIKA BETA AKCJI INDEKSU WIG20
Darusz Letkowsk Unwersytet Łódzk BADANIE STABILNOŚCI WSPÓŁCZYNNIKA BETA AKCJI INDEKSU WIG0 Wprowadzene Teora wyboru efektywnego portfela nwestycyjnego zaproponowana przez H. Markowtza oraz jej rozwnęca
Bardziej szczegółowoZastosowanie hierarchicznej estymacji bayesowskiej w szacowaniu wartości dochodów ludności dla powiatów
Zastosowane herarchcznej estymacj bayesowskej w szacowanu wartośc dochodów ludnośc dla powatów Jan Kuback Ośrodek Statystyk Matematycznej, Urząd Statystyczny w Łodz Herarchczna estymacja bayesowska - wprowadzene
Bardziej szczegółowoAPROKSYMACJA QUASIJEDNOSTAJNA
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 73 Electrcal Engneerng 213 Jan PURCZYŃSKI* APROKSYMACJA QUASIJEDNOSTAJNA W pracy wykorzystano metodę aproksymacj średnokwadratowej welomanowej, przy
Bardziej szczegółowoSYSTEMY UCZĄCE SIĘ WYKŁAD 15. ANALIZA DANYCH WYKRYWANIE OBSERWACJI. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska
SYSTEMY UCZĄCE SIĘ WYKŁAD 15. ANALIZA DANYCH WYKRYWANIE OBSERWACJI ODSTAJĄCYCH, UZUPEŁNIANIE BRAKUJĄCYCH DANYCH Częstochowa 2014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska WYKRYWANIE
Bardziej szczegółowoJournal of Agribusiness and Rural Development
pissn 1899-5241 eissn 1899-5772 Journal of Agrbusness and Rural Development www.jard.edu.pl 1(31) 2014, 151-158 REGIONALNE ZRÓŻNICOWANIE CEN ŻYWCA W SKUPIE W POLSCE W LATACH 2005-2012 Agneszka Tłuczak
Bardziej szczegółowoAnaliza struktury zbiorowości statystycznej
Analza struktury zborowośc statystycznej.analza tendencj centralnej. Średne klasyczne Średna arytmetyczna jest parametrem abstrakcyjnym. Wyraża przecętny pozom badanej zmennej (cechy) w populacj generalnej:
Bardziej szczegółowoRUCH OBROTOWY Można opisać ruch obrotowy ze stałym przyspieszeniem ε poprzez analogię do ruchu postępowego jednostajnie zmiennego.
RUCH OBROTOWY Można opsać ruch obrotowy ze stałym przyspeszenem ε poprzez analogę do ruchu postępowego jednostajne zmennego. Ruch postępowy a const. v v at s s v t at Ruch obrotowy const. t t t Dla ruchu
Bardziej szczegółowoJournal of Agribusiness and Rural Development
ISSN 1899-5772 Journal of Agrbusness and Rural Development www.jard.edu.pl 1(19) 2011, 37-46 ZRÓŻNICOWANIE STANU ŚRODOWISKA NATURALNEGO W POLSCE Monka Jaworska, Mlena Rusn Unwersytet Rolnczy m. Hugona
Bardziej szczegółowoRozwiązania (lub wskazówki do rozwiązań) większości zadań ze skryptu STATYSTYKA: MATERIAŁY POMOCNICZE DO ZAJĘĆ oraz EGZAMINÓW Z LAT
Rozwązana (lub wskazówk do rozwązań) wększośc zadań ze skryptu STATYSTYKA: MATERIAŁY POMOCNICZE DO ZAJĘĆ oraz EGZAMINÓW Z LAT 01-014 ZMIENNA LOSOWA I JEJ ROZKŁAD Zadane 1/ str. 4 a/ zmenna może przyjmować
Bardziej szczegółowoWikiWS For Business Sharks
WkWS For Busness Sharks Ops zadana konkursowego Zadane Opracowane algorytmu automatyczne przetwarzającego zdjęce odręczne narysowanego dagramu na tablcy lub kartce do postac wektorowej zapsanej w formace
Bardziej szczegółowoMinimalizacja globalna. Algorytmy genetyczne i ewolucyjne.
Mnmalzacja globalna Algorytmy genetyczne ewolucyjne. Lnearyzacja nelnowego operatora g prowadz do przyblżonych metod rozwązywana zagadnena odwrotnego. Wynk takej nwersj jest slne uzależnony od wyboru modelu
Bardziej szczegółowo