Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "goodness−of−fit" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Wiggles and Curves: The Analysis of Ordinal Patterns
Analiza Struktur Porządkowych
Autorzy:
Thorngate, Warren
Ma, Chunyun
Powiązania:
https://bibliotekanauki.pl/articles/526383.pdf
Data publikacji:
2016-06-30
Wydawca:
Uniwersytet Warszawski. Wydawnictwo Naukowe Wydziału Zarządzania
Tematy:
statistics
inference
goodness-of-fit
statystyka
wnioskowanie
dobroć dopasowania
struktury porządkowe
Opis:
Almost all social science data are analysed with variants of the General Linear Model (GLM): regression analyses, analyses of variance, factor analyses, path analyses and the like. However, many interesting and important social phenomena cannot be addressed with the GLM. Ordinal Pattern Analysis (OPA) was developed to examine such excluded phenomena. OPA is a goodness-of-fit procedure for calculating indices of how well a researcher's ordinal predictions match the ordinal properties of data at hand. While the GLM requires raw data to be aggregated across individuals or groups first before being analysed, OPA permits the reverse: Raw data from each individual or group can first be analysed, then aggregated. The reversal reveals what occurs "in general" rather than "on average" – two revelations that often diverge. We illustrate some uses of OPA with simple examples, and provide a computer programme for expediting OPA calculations.
Prawie wszystkie dane w naukach społecznych są analizowane przy użyciu wariantów ogólnego modelu liniowego (GLM): analizy regresji, analizy wariancji, analizy czynnikowej, analizy ścieżek i tym podobnych. Jednak wiele ciekawych i ważnych zjawisk społecznych nie daje się przeanalizować przy użyciu GLM. Analiza Struktur Porządkowych (OPA) została opracowana w celu zbadania tych wykluczonych zjawisk. OPA, oparta na kryterium dobroci dopasowania, służy do obliczania wskaźników dopasowania przewidywań badacza do rzeczywistych danych mierzonych na skali porządkowej. Podczas gdy GLM wymaga agregowania surowych danych po obserwacjach lub grupach przed przystąpieniem do analiz, OPA pozwala na działanie odwrotne: surowe dane od każdej osoby lub grupy można najpierw analizować, a następnie agregować. Ten mechanizm odwrócenia ujawnia zjawiska, które występują „zazwyczaj”, raczej niż „średnio” – dwa wyniki, które często się różnią. Ilustrujemy niektóre zastosowań OPA na prostych przykładach i udostępniamy program komputerowy do obliczeń OPA.
Źródło:
Problemy Zarządzania; 2016, 2/2016 (60), t.2; 160-172
1644-9584
Pojawia się w:
Problemy Zarządzania
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Assessment of the influence of dependent variable distribution on selected goodness of fit measures using the example of customer churn model
Ocena wpływu rozkładu zmiennej zależnej na wybrane miary oceny siły dyskryminacyjnej na przykładzie modeli migracji klientów
Autorzy:
Migut, Grzegorz
Powiązania:
https://bibliotekanauki.pl/articles/424775.pdf
Data publikacji:
2020
Wydawca:
Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
Tematy:
classification models
goodness of fit
unbalanced datasets
customer churn analysis
modele klasyfikacyjne
dobroć dopasowania
zbiory niezbalansowane
analiza migracji klientów
Opis:
Classification models enable optimal actions to be taken at every stage of the customer’s lifecycle. A circumstance affecting both the model building process and the assessment of their discriminatory power is the unbalanced distribution of the dichotomous dependent variable. The article focuses on the question of reliable assessment of the goodness of fit. The first part of the article reviews the measures of predictive power and then assesses the impact of the distribution of the dependent variable on the selected measures of goodness of fit. As a result, the high sensitivity of a number of measures such as lift, accuracy (ACC), or F-Score was observed. The sensitivity of MCC and Kappa Cohen’s measurements was also observed. Sensitivity (SENS) and specificity (SPEC), Youden’s index and measures based on ROC curves showed no such sensitivity. The conclusions obtained may allow the avoidance of misjudging the predictive power of models built for both learning and business practice.
Modele klasyfikacyjne umożliwiają podejmowanie optymalnych działań na każdym etapie cyklu życia klienta. Okolicznością wpływającą zarówno na proces budowy modeli, jak i na ocenę ich siły dyskryminacyjnej jest niezbalansowany rozkład dwustanowej zmiennej zależnej. W artykule skoncentrowano się na kwestii wiarygodnej oceny dobroci dopasowania. W pierwszej części artykułu dokonano przeglądu miar siły dyskryminacyjnej, następnie przeprowadzono ocenę wpływu rozkładu zmiennej zależnej na wybrane miary dobroci dopasowania. W wyniku badań zaobserwowano wysoką wrażliwość szeregu miar, takich jak lift, accuracy (ACC) czy F-Score. Zaobserwowano wrażliwość miar MCC oraz Kappa Cohena. Czułość (SENS) oraz specyficzność (SPEC), jak również pochodne miary oparte na krzywej ROC, a także indeks Youdena wykazały brak takiej wrażliwości. Uzyskane wnioski mogą pozwolić na uniknięcie błędnej oceny zdolności predykcyjnej modeli zarówno budowanych na potrzeby nauki, jak i wykorzystywanych w praktyce biznesowej.
Źródło:
Econometrics. Ekonometria. Advances in Applied Data Analytics; 2020, 24, 1; 51-70
1507-3866
Pojawia się w:
Econometrics. Ekonometria. Advances in Applied Data Analytics
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies