Вихідні дані для аналізу

Класифікація на основі дискримінантної функції

Модуль «Дискримінантний аналіз» використовується у випадку, коли маємо групи об’єктів і перед нами стоїть завдання віднесення нового об’єкта до якоїсь групи та коли необхідно встановити правила віднесення об’єкта до певної групи. Розглянемо приклад.

Нехай, підприємства характеризуються такими економічними показниками: х1 – продуктивність праці; х2 – питома вага робітників у складі промислово-виробничого персоналу; х3 – коефіцієнт оновлення устаткування; х4 – питома вага витрат на інновації (%); х5 – фондовіддача активної частини основних виробничих фондів. Значення вказаних показників для 20 підприємств наведені в табл. 9. Зверніть увагу, що 17 підприємств уже розкласифіковані на дві групи, а три підприємства необхідно віднести до певної групи.

Таблиця 9

№ з/п	х1	х2	х3	х4	х5	група
	9,26	0,78	1,37	0,23	1,45	а
	9,38	0,75	1,49	0,39	1,3	а
	12,11	0,68	1,44	0,43	1,37	а
	10,81	0,7	1,42	0,18	1,65	а
	9,35	0,62	1,35	0,15	1,91	а
	9,87	0,76	1,39	0,34	1,68	а
	9,12	0,71	1,27	0,09	1,89	а
	5,49	0,74	1,1	0,05	1,02	b
	6,61	0,72	1,23	0,48	0,88	b
	4,32	0,68	1,39	0,41	0,62	b
	7,37	0,77	1,38	0,62	1,09	b
	6,64	0,77	1,35	0,5	1,32	b
	5,52	0,72	1,24	1,2	0,68	b
	9,37	0,79	1,4	0,21	2,3	а
	5,68	0,71	1,28	0,66	1,43	b
	5,22	0,79	1,33	0,74	1,82	b
	10,02	0,76	1,22	0,32	2,62	а
	8,17	0,73	1,16	0,38	1,94	?
	6,3	0,73	1,25	0,21	2,06	?
	8,72	0,79	1,41	0,45	2,22	?

Запустити програму Statistica. Сформувати таблицю вихідних даних. Зауважимо, що в таблицю вихідних даних необхідно додати кілька рядків без даних (вони призначені для об’єктів, які потрібно віднести до певного класу). На панелі інструментів Statistics або в меню Statistics вибрати функцію Discriminant Analysis – Дискримінантний аналіз. У стартовому вікні Дискримінантного аналізу потрібно обрати групувальний показник – Grouping (у нашому випадку – „група”) і незалежні змінні – Independent (рис. 29). У цьому ж вікні можна зробити додаткові установки.

Рис. 29. Стартове вікно Дискримінантного аналізу

Натиснувши кнопку ОК, одержимо вікно результатів (рис. 30).

Рис. 30. Вікно результатів дискримінантного аналізу

В інформаційній частині вікна міститься така інформація: кількість змінних у моделі, значення лямбди Уілкса, значення критерію Фішера для апроксимації. У функціональній частині вікна є ряд кнопок для всебічного перегляду результатів.

Натиснувши кнопку Classification functions – Класифікаційні функції, одержимо коефіцієнти дискримінантних функцій для двох груп (рис. 31). Угорі в таблиці вказана ймовірність віднесення підприємства до тієї чи іншої групи.

Рис. 31. Коефіцієнти дискримінантних функцій

Ініціювавши кнопку Classification matrix, одержимо матрицю класифікацій, у якій зазначено кількість спостережень у кожній групі й імовірність попадання спостережень у групи (рис. 32). Зверніть увагу на цю матрицю. У стовпці Percent Correct указаний процент правильної класифікації об’єктів. У рядках матриці вказана спостережувана класифікація підприємств, а у стовпцях – отримана за побудованими дискримінантними функціями. З матриці видно, що у цьому прикладі не спостерігається випадків неправильної класифікації.

Рис. 32. Матриця класифікацій

Класифікацію елементів можна одержати, натиснувши на кнопку Classification of cases. Якщо у стовпці Cases не виявиться елементів, позначених „зірочкою”, то це свідчить про коректну класифікацію й гарну апроксимацію дискримінантних функцій.

Для того щоб класифікувати нові об’єкти (підприємства), не закриваючи аналіз, вводимо у вихідну таблицю значення тих об’єктів, які потрібно віднести до певної групи. Потім у вікні аналізу результатів ініціюємо кнопку Posterior Probabilities – Апостеріорні ймовірності. У результаті одержимо таблицю класифікацій, за якою визначаємо, у який клас увійшли нові об’єкти (рис. 33). Так, підприємства 18 і 20 увійшли в групу а, а підприємство 19 – у групу b. (Дивіться значення ймовірності попадання об'єкта в ту або іншу групу. Для якої групи ймовірність вища, до тієї групи і відноситься об'єкт).

Рис. 33. Апостеріорні ймовірності

Завдання. Самостійно ознайомтеся з іншими можливостями модуля «Дискримінантний аналіз». Проведіть покроковий дискримінантний аналіз, змінюючи початкові установки. Порівняйте результати, отримані різними методами.

Рекомендована література

1. Беляевский И. К. Маркетинговое исследование: информация, анализ, прогноз: учебн. пособ. / И. К. Беляевский – М.: «Финансы и статистика», 2002. – 320 с.

2. Боровиков В. П. STATISTICA – статистический анализ и обработка данных в среде Windows / В. П. Боровиков, И. П. Боровиков. – 2-е изд., стереотип. – М.: Информ.-изд. дом «Филинъ», 1998. – 608 с.

3. Боровиков В. П. Популярное введение в программу STATISTICA / В. П. Боровиков – М.: КомпьютерПресс, 1998. – 268 с.

4. Геєць В. М. Методи і моделі соціально-економічного прогнозування: підручник / В. М. Геєць, Т. С. Клебанова, О. І. Черняк, В. В. Іванов, Н. А. Дубровіна, А. В. Ставицький. – Х.: ВД «ІНЖЕК», 2005. – 396 с.

5. Дубров А. М. Многомерные статистические методы: учебник / А. М. Дубров, В. С. Мхитарян, Л. И. Трошин. – М.: Финансы и статистика, 2000. – 352 с.

6. Єгоршин О. О. Методи багатовимірного статистичного аналізу: навч. пос. / О. О. Єгоршин, А. М. Зосімов, В. С. Пономаренко. – К.: ІЗМН, 1998. – 208 с.

7. Єріна А. М. Статистичне моделювання та прогнозування: навч. пос. / А. М. Єріна. – К.: КНЕУ, 2001. – 172 с.

8. Іваненко П. О. Багатовимірний статистичний аналіз / П. О. Іваненко, І. В. Семеняк, В. В. Іванов. – Харків: Вид. „Основа”, 1992. – 144 с.

9. Кини Р. Л. Принятие решений при многих критериях: предпочтение и замещение / Р. Л. Кини, Х. Райфа; пер с анг. В. В. Подиловского. – М.: Радио и связь, 1981. – 560 с.

10. Микитюк П. П. Інноваційний менеджмент: навч. посіб. / П. П. Микитюк. – К.: Центр навчальної літератури, 2007. – 400 с.

11. Моделирование процессов принятия решений в производственно-экономической системе / Макаров К. Г., Очкас М. В., Петренко В. Л., Ремпель А. Г. – Донецк: ДонГУ, 1998. – 27 с.

12. Рогальский Ф. Б. Математические методы анализа экономических систем. Кн. 2: Методы и алгоритмы решения трудноформализуемых задач / Ф. Б. Рогальский, О. О. Цокуренко – К.: «Наукова думка», 2001. – 423 с.

13. Рогальский Ф. Б. Математические методы анализа экономических систем. Кн. 1: Теоретические основы / Ф. Б. Рогальский, Я. Е. Курилович, О. О. Цокуренко – К.: «Наукова думка», 2001. – 435 с..

14. Стратегическое планирование: учебное пособие / под ред. проф. А. Н. Петрова. — СПб.: Знание: ГУЭФ, 2003. – 200 с.

15. Державне агентство України з інвестицій та інновацій. Режим доступу: http://www.in.gov.ua/

16. Державний комітет статистики України. Режим доступу: http://www.ukrstat.gov.ua/

17. Національний Банк України. Режим доступу: http://www.bank.gov.ua/

18. Прес-служба Національного Банку України. Режим доступу: http://pr.bank.gov.ua/ukr/

Зміст

Вступ. 3

Модуль 1. Сутність та основні поняття моделювання інноваційних процесів. 5

Тема 1. Сутність та зміст моделювання інноваційних процесів. 5

1.1. Принципи моделювання інноваційних процесів. 5

1.2. Загальна схема інноваційних процесів. 13

Тема 2. Методи прогнозування інноваційних процесів. 20

2.1. Використання методів прогнозування в інноваційній діяльності 20

2.2. Зміст, функції прогнозування інноваційних процесів. 24

Тема 3. Використання множинної регресії в моделюванні інноваційних процесів. 28

3.1. Основи факторного аналізу ризику інноваційних процесів. 28

3.2. Процес розвитку прогнозу. 30

Тема 4. Експертні методи при моделюванні інноваційних процесів. 38

4.1. Експертні методи. 38

4.2. Формування цілей інноваційної діяльності за допомогою методів теорії прийняття рішень. 54

Модуль 2. Моделі управління інноваційними процесами. 65

Тема 5. Розробка моделі управління інноваційними процесами. 65

5.1. Зміст та етапи розробки концепції інноваційного проекту. 65

5.2. Модель вибору інноваційного проекту. 67

Тема 6. Порівняльний аналіз методів кількісного оцінювання інноваційних процесів. 72

6.1. Оцінювання власних можливостей підприємства. 72

6.2. Створення комплексу матричних моделей. 82

Тема 7. Використання процедур класифікації в моделюванні інноваційних процесів. 96

7.1. Показники ефективності інноваційного проекту. 96

7.2. Ефекти інноваційної діяльності та їх взаємозв’язок. 107

Тема 8. Сутність проблеми оцінювання ефективності інновацій. 114

8.1. Функціональна структуризація проекту. 114

8.2. Проблемна структуризація проекту. 130

Лабораторний практикум.. 136

Рекомендована література. 172

Дата добавления: 2014-11-29