Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
10
Wstęp
b)pakietyifunkcjeprogramuR(charakterystykapakietówifunkcjiprogramuR
umożliwiającychrealizacjęmetodwielowymiarowejanalizydanych),
c)przykładyzwykorzystaniemprogramuR(prezentacjapraktycznegowykorzysta-
niazagadnieńomawianychwczęściteoretycznejrozdziału),
d)zadaniadosamodzielnegorozwiązania.
Rozdziałczwartyzostałpoświęconyanaliziewariancji.Metodatapozwalaocenić
wpływjednegolubkilkuczynnikówklasyfikującychocharakterzeniemetrycznymna
zmiennązależną,mierzonąnajednejzmocnychskalpomiaru.Wrozdzialetymprzed-
stawionozagadnieniazwiązaniezjedno-idwuczynnikowąanaliząwariancji,zuwzględ-
nieniemwystępowaniainterakcjirzędupierwszego.Poomówieniuformalnejkonstruk-
cjimodeluprzedstawionozałożeniatejmetody,poświęcającuwagęgłówniezałożeniu
ojednorodnościwariancjiiprzedstawiająctestysłużącedojegoweryfikacji.Pokazano
tamrównieżtzw.testyposthoc,służącedosprawdzeniaistotnościróżnicposzczegól-
nychparśrednich.
Wrozdzialepiątymzaprezentowanoanalizęregresjiwielorakiej.Przedstawionoza-
łożeniamodeluregresjiliniowejwieluzmiennych.Następniescharakteryzowanozagad-
nienieestymacjiparametrówstrukturalnych,przedziałówufnościdlaparametróworaz
parametrówstrukturystochastycznej.Zaprezentowanotakiezagadnieniazwiązanezwe-
ryfikacjąmodeluekonometrycznego,jak:analizawariancji,badanienormalnościrozkła-
duskładnikalosowego,wnioskowanieoregresjijakocałości,wnioskowanieokażdym
współczynnikuregresjizosobna.Omówionowybraneproblemymodelowaniaekono-
metrycznego:współliniowość,heteroskedastyczność,autokorelację,identyfikacjęobser-
wacjiodstających.Ujętozagadnieniewyznaczaniaprognoznapodstawiemodelueko-
nometrycznego,błędupredykcjiiprzedziałówufnościdlaprognozy.
Rozdziałszóstyzawieraomówieniewybranychnieparametrycznychmetodregresji:
jednowymiarowejmetodykrzywychsklejanychorazjejwielowymiarowegoodpowied-
nika—metodyPOLYMARS,metodyrzutowaniaPPR,metodopartychnatransformacji
zmiennych(ACEiAVAS)orazstochastycznej,addytywnejmetodydrzewregresyjnych
MART.Każdazprzedstawionychmetodreprezentujeodmiennepodejściedozagadnie-
niaanalizyregresji,jednakłączyjeto,żeuchylająwybraneograniczeniametodkla-
sycznychomówionewrozdzialepiątym.Należydodać,żenaogółmodelezbudowane
metodaminieparametrycznymicharakteryzująsięwiększądokładnościąpredykcjiniż
modeleklasyczne.
Wrozdzialesiódmymomówionopodstawyanalizydyskryminacyjnej(klasyfikacji
wzorcowej),którejgłównymzadaniemjestbudowamodelu,zapomocąktóregomoż-
naklasyfikowaćobserwacje.Przedstawionownimdokładnieczterymetodydyskrymi-
nacji:metodęwykorzystującąlinioweikwadratowemodeledyskryminacyjne,metodę
K-najbliższychsąsiadów,siecineuronoweorazmetodęwektorównośnych(SVM).
Rozdziałósmypoświęcononieparametrycznejmetodziepozwalającejzbudować
modelezarównodyskryminacyjne,jakiregresyjne.Graficznąpostaciąmodeliwtejme-
todziesądrzewa,ponieważpowstająonewwynikurekurencyjnegopodziałuprzestrzeni
zmiennych.Stądnazwatejmetody—drzewaklasyfikacyjneiregresyjne(CART).
Wrozdzialedziewiątymprzedstawiononowe,aledynamicznierozwijającesię,
podejściedodyskryminacjiiregresji,nazywanewielomodelowym.Pozwalaonouzy-
