Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Využití dvou vybraných statistických modelů pro posouzení vztahu mezi proměnnými

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F71226401%3A_____%2F16%3AN0000047" target="_blank" >RIV/71226401:_____/16:N0000047 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://www.vspj.cz/tvurci-cinnost-a-projekty/casopisy-vspj/logos-polytechnikos" target="_blank" >https://www.vspj.cz/tvurci-cinnost-a-projekty/casopisy-vspj/logos-polytechnikos</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    čeština

  • Název v původním jazyce

    Využití dvou vybraných statistických modelů pro posouzení vztahu mezi proměnnými

  • Popis výsledku v původním jazyce

    Článek popisuje možnosti využití dvou statistických modelů (lineární regresní model a klasifikační strom typu CART) pro posouzení vztahu mezi proměnnými a pro predikci ordinální proměnné. Možnosti modelů jsou ilustrovány na proměnných „počet lidí zapojených do jednotlivých ekonomických aktivit NACE Rev. 2“ (nezávisle proměnná) a „HDP na osobu v regionech NUTS 2“ (závisle proměnná) vybraných evropských států. Oba modely je možné použít pro predikci HDP na obyvatele v regionech, pro které Eurostat tuto hodnotu neposkytuje, a tím provést i porovnání funkčnosti obou modelů. Kromě predikce modely umožňují vytipovat z početné skupiny ekonomických aktivit NACE Rev. 2, ty, které mají na výši HDP největší vliv.

  • Název v anglickém jazyce

    Evaluation of Relationships between Variables Using Two Selected Statistical Models

  • Popis výsledku anglicky

    The aim of this paper is to describe two completely different mathematics-statistical methods that can be used to analyze relationship between variables and in addition to predict ordinal variable. The first method is one of the data mining methods – classification tree CART, the second one is a commonly used linear regression model. It is possible to use both described approaches for prediction of missing ordinal values as well as for analysis of relations between the variables. The models are described with emphasis on comparison of advantages and disadvantages both of approaches. Data from Eurostat web pages from 2011 were used for model building. Gross domestic product (GDP) per capita at current market prices by NUTS 2 regions was used as depend variable; population by current activity status, NACE Rev. 2 activity and NUTS 2 region were used as predictors. This information is known for 27 EU countries (excluding Finland) and in addition for Switzerland, Island, Lichtenstein and Norway. It is possible to use both described approaches for prediction of missing ordinal values as well for relations between variables analysis.

Klasifikace

  • Druh

    J<sub>ost</sub> - Ostatní články v recenzovaných periodicích

  • CEP obor

  • OECD FORD obor

    10103 - Statistics and probability

Návaznosti výsledku

  • Projekt

  • Návaznosti

    V - Vyzkumna aktivita podporovana z jinych verejnych zdroju

Ostatní

  • Rok uplatnění

    2016

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    LOGOS POLYTECHNIKOS

  • ISSN

    1804-3682

  • e-ISSN

  • Svazek periodika

    7

  • Číslo periodika v rámci svazku

    3

  • Stát vydavatele periodika

    CZ - Česká republika

  • Počet stran výsledku

    19

  • Strana od-do

    22-40

  • Kód UT WoS článku

  • EID výsledku v databázi Scopus