Обучение

Курс

Регрессионные модели

в IBM SPSS Statistics

Москва — 2014

1

СОДЕРЖАНИЕ

Тема 1. ЛИНЕЙНЫЙ РЕГРЕССИОННЫЙ АНАЛИЗ …………………………………… Содержание темы ………………….……………………………………………………… Основные понятия регрессионного анализа ………………………………… Предпосылки линейного регрессионного анализа ……………………… Парная и множественная линейная модель регрессии ………………. Оценка коэффициентов регрессии ……………………………………………….. Проверка обоснованности модели регрессии ……………………………… Значимость уравнения регрессии …………………………………………………. Значимость коэффициентов регрессии ………………………………………… Оценка точности уравнения регрессии ………………………………………… Процедура Линейная регрессия …………………………………………………… Результаты процедуры ………………………………………………………………….. Методы отбора переменных в регрессионном анализе ……………… Настройка параметров …………………………………………………………………… Сохранение предсказанных значений ………………………………………….. Сохранение остатков ……………………………………………………………………… Сохранение многомерных расстояний между наблюдениями Сохранение статистик влияния ……………………………………………………… Сохранение доверительных интервалов прогноза ……………………… Вывод доверительных интервалов коэффициентов ……………………. Вывод описательных статистик переменных ……………………………….. Диагностика мультиколлинеарности ……………………………………………. Анализ нормальности и аномальности остатков …………………………. Вывод графиков ……………………………………………………………………………… Оценка статистической устойчивости уравнения регрессии ……….. Вопросы по теме …………………………………………………………………………….

6 7 8 10 12 13 14 15 16 17 19 21 24 27 28 30 32 34 36 38 40 42 44 46 48 52

Тема 2. РЕГРЕССИОННЫЕ МОДЕЛИ БИНАРНОГО ВЫБОРА …………………..

Содержание темы …………………………………………………………………………. Понятие модели бинарного выбора…………………………………………...... Модель логистической регрессии ………………………………………………… Процедура Логистическая регрессия …………………………………………… Результаты процедуры Логистическая регрессия ……………………….. Задание категориальных независимых переменных ………………….. Пошаговые алгоритмы логистической регрессии ………………………… Параметры процедуры Логистическая регрессия ………………………. Сохранение предсказанных значений …………………………………………. Сохранение остатков ……………………………………………………………………… Сохранение статистик влияния ………………………………………………………

55 56 57 58 60 62 65 68 70 73 75 77

2

Классификация на основе анализа ROC-кривых ………………………….. Процедура ROC-кривые ………………………………………………………………… Результаты процедуры ROC-кривые …………………………………………….. Пробит-модель ………………………………………………………………………………. Подготовка данных для проведения пробит-анализа …………………. Процедура Пробит-анализ ……………………………………………………………. Результаты процедуры Пробит анализ ………………………………………… Параметры процедуры Пробит анализ ………………………………………… Вопросы по теме …………………………………………………………………………….

Тема 3. МУЛЬТИНОМИАЛЬНАЯ ЛОГИСТИЧЕСКАЯ РЕГРЕССИЯ …………….

Содержание темы …………………………………………………………………………. Модель мультиномиальной логистической регрессии ………………. Процедура Мультиномиальная логистическая регрессия ………… Результаты процедуры Мультиномиальная логистическая

регрессия ……………………………………………………………………………………….. Вывод статистик …………………………………………………………………………….. Сохранение результатов ……………………………………………………………….. Настройка отбора предикторов в модель ……………………………………. Параметры процедуры Мультиномиальная логистическая

регрессия ……………………………………………………………………………………….. Критерии процедуры Мультиномиальная логистическая

регрессия ……………………………………………………………………………………….. Вопросы по теме …………………………………………………………………………….

Тема 4. ПОРЯДКОВАЯ РЕГРЕССИЯ………………………………………………………….

Содержание темы ………………………………………………………………………….. Модель порядковой регрессии …………………………………………………….. Связывающие функции………………………………………………………………….. Процедура Порядковая регрессия ……………………………………………….. Результаты процедуры Порядковая регрессия ……………………………. Параметры процедуры Порядковая регрессия …………………………… Задание компонентов положения ……………………………………………….. Задание компонентов масштаба ………………………………………………….. Вывод дополнительных статистик и тестов ………………………………….. Сохранение предказанных значений ……………………………………………. Вопросы по теме …………………………………………………………………………….

Тема 5. АВТОМАТИЗИРОВАННОЕ ЛИНЕЙНОЕ МОДЕЛИРОВАНИЕ ……..

Содержание темы…………………………………………………………………………..

79 82 84 86 88 91 93 96 100 102 103 104 106 108 111 115 117 119 121 124 126 127 128 130 131 133 136 138 139 140 142 145 146 147

3

Автоматизированная линейная модель ……………………………………….. Процедура Автоматизированное линейное моделирование …… Оценка качества приближения модели ……………………………………….. Автоматическая подготовка данных ……………………………………………… Оценка важности предикторов …………………………………………………….. Анализ предсказанных значений зависимой переменной …………. Анализ остатков ……………………………………………………………………………… Анализ выбросов …………………………………………………………………………… Оценка влияния предикторов ………………………………………………………. Интерпретация и проверка значимости параметров регрессии Оценка линейности взаимосвязи с предикторами ……………………… Пошаговый отчет о построении модели ………………………………………. Выбор процедуры построения модели ………………………………………… Основные параметры процедуры Автоматизированное

линейное моделирование …………………………………………………………… Задание методов подбора предикторов ……………………………………… Настройки ансамбля моделей ……………………………………………………… Настройка генератора случайных чисел ………………………………………. Сохранение результатов моделирования ……………………………………. Вопросы по теме …………………………………………………………………………….

Тема 6. ПОДГОНКА КРИВЫХ ………………………………………………………………….

Содержание темы ………………………………………………………………………….. Основные понятия метода подгонки кривых ………………………………. Регрессионные модели подгонки кривых ……………………………………. Процедура Подгонка кривых ……………………………………………………….. Результаты процедуры Подгонка кривых …………………………………… Сохранение результатов ……………………………………………………………….

Тема 7. НЕЛИНЕЙНАЯ РЕГРЕССИЯ …………………………………………………………

Содержание темы ………………………………………………………………………….. Основные понятия нелинейной регрессии……………………………………. Предпосылки нелинейной регрессии……………………………………………. Модели нелинейной регрессии…………………………………………………….. Оценка параметров нелинейной регрессии…………………………………. Подготовка модели нелинейной регрессии………………………………….. Процедура Нелинейная регрессия……………………………………………….. Результаты процедуры Нелинейная регрессия .………………………….. Задание функции потерь………………………………………………………………… Параметры процедуры Нелинейная регрессия …………………………… Сохранение результатов…………………………………………………………………. Анализ независимости и аномальности остатков…………………………. Вопросы по теме …………………………………………………………………………….

148 149 151 153 155 156 157 159 160 162 164 165 167 169 171 173 174 175 177 179 180 181 182 186 189 192 195 196 197 198 200 203 206 209 212 214 216 219 221 224

4

Тема 8. КАТЕГОРИАЛЬНАЯ РЕГРЕССИЯ ………………………………………………….

Содержание темы ………………………………………………………………………….. Основные понятия категориальной регрессии …………………………….. Метод оптимального шкалирования ……………………………………………. Модель категориальной регрессии ………………………………………………. Мультиколлинеарность модели ……………………………………………………. Методы регуляризации модели ……………………………………………………. Дискретизация переменных …………………………………………………………. Процедура Категориальная регрессия ………………………………………… Результаты процедуры Категориальная регрессия …………………….. Вывод процедуры Категориальная регрессия ……………………………. Сохранение предсказанных значений …………………………………………. Сохранение дискретизированных данных …………………………………… Сохранение преобразованных переменных ………………………………… Сохранение результатов регуляризованной модели …………………… Сохранение знаков коэффициентов регрессии ……………………………. Вывод графиков ……………………………………………………………………………… Работа с графиками преобразований …………………………………………… Настройка дискретизации переменных ……………………………………….. Обработка пропущенных значений ……………………………………………… Параметры процедуры Категориальная регрессия …………………… Настройка регуляризации модели ……………………………………………….. Вопросы по теме …………………………………………………….………………………

225 226 227 229 232 234 236 240 241 244 248 251 252 253 255 259 260 262 264 265 266 269 272