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
—