Многомерный статистический анализ. Математические методы построения оптимальных планов сбора, систематизации и обработки данных. Геометрическая структура многомерных наблюдений. Проверка значимости уравнения регрессии. Кластерный и факторный анализ.
Поскольку число таких объектов и признаков может достигать десятков и сотен, и визуальный анализ этих данных малоэффективен, то возникают задачи уменьшения, концентрации исходных данных, выявления структуры и взаимосвязи между ними на основе построения обобщенных характеристик множества признаков и множества объектов. Включение (критерий: вероятность F-включения >= ,050) 3 Кол-во комнат . Включение (критерий: вероятность F-включения >= ,050) a Зависимая переменная: Цена 2. Переменная Х4 «Район» является фиктивной переменной, так как имеет 2 значения: 3-принадлежность к центральному району «Советский», 4- к периферийному району «Северный». 3. Полученная модель: У = 348,349 35,788 Х1 -217,075 Х4 305,687 Х7 Оценка качества модели. Коэффициент детерминации R2 = 0,807 Показывает долю вариации результативного признака под воздействием изучаемых факторов. Стандартная ошибка = 126,477 Коэффициент Дарбина - Уотсона = 2,136 Проверка значимости уравнения регрессии Значение критерия F-Фишера = 41,687 Уравнение регрессии следует признать адекватным, модель считается значимой. Самый значимый фактор - количество комнат (F=41,687) Второй по значимости фактор- общая площадь (F= 40,806) Третий по значимости фактор- район (F= 32,288) 4. Выполнение: 1) Определить оптимальное количество кластеров для разбиения регионов на однородные группы по всем группировочным признакам одновременно; Для определения оптимального количества кластеров нужно воспользоваться Иерархическим кластерным анализом и обратиться к таблице «Шаги агломерации» к столбцу «Коэффициенты». 10 Таблица «Принадлежность к кластерам» На Рис.
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
