Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych

Projekt zaliczeniowy z przedmiotu
Statystyka i eksploracja danych
(nr 3)
Kamil Krzysztof Derkowski
Zadanie 1
Eksploracja (EXAMINE)
Informacja o analizowanych danych
Obserwacje
Uwzględnione
Wykluczone
Ogółem
Procen
Procen
N
t
N
t
N
Procent
Wzrost cen w
230 70,1%
98 29,9%
328 100,0%
ciągu ostatnich 12
miesięcy
Wzrost cen w
230 70,1%
98 29,9%
328 100,0%
najbliższych 12
miesiącach
Statystyki opisowe (DESCRIPTIVES)
Wzrost cen w
Średnia
ciągu ostatnich 12 95% przedział
Dolna granica
miesięcy
ufności dla
Górna granica
średniej
5% średnia obcięta
Mediana
Wariancja
Odchylenie standardowe
Minimum
Maksimum
Rozstęp
Rozstęp ćwiartkowy
Skośność
Kurtoza
Statystyka
40,19
36,25
44,13
37,00
30,00
920,196
30,335
2
300
298
26
3,954
26,373
Wzrost cen w
najbliższych 12
miesiącach
Średnia
95% przedział
Dolna granica
ufności dla
Górna granica
średniej
5% średnia obcięta
Mediana
Wariancja
Odchylenie standardowe
Minimum
Maksimum
Rozstęp
Rozstęp ćwiartkowy
Skośność
Kurtoza
38,85
34,83
42,87
35,63
30,00
958,458
30,959
2
300
298
30
3,583
22,979
Statystyki opisowe (DESCRIPTIVES)
Wzrost cen w
Średnia
ciągu ostatnich 12 95% przedział
Dolna granica
miesięcy
ufności dla
Górna granica
średniej
5% średnia obcięta
Mediana
Wariancja
Odchylenie standardowe
Minimum
Maksimum
Rozstęp
Rozstęp ćwiartkowy
Skośność
Kurtoza
Błąd
standardo
wy
2,000
,160
,320
Wzrost cen w
najbliższych 12
miesiącach
Średnia
95% przedział
Dolna granica
ufności dla
Górna granica
średniej
5% średnia obcięta
Mediana
Wariancja
Odchylenie standardowe
Minimum
Maksimum
Rozstęp
Rozstęp ćwiartkowy
Skośność
Kurtoza
2,041
,160
,320
Obie próby są do siebie podobne. Średnia wynosi około 40. Mediana
wynosi 30 dla każdej zmiennej. Wartości minimum i maksimum wynoszą
tyle samo 2 i 300. Odchylenie standardowe około 30 dla obu zmiennych.
Próba jest duża. Uwzględniono 230 obserwacji.
Percentyle
Przeciętne
Wzrost cen w
ważone (Definicja ciągu ostatnich 12
1)
miesięcy
Wzrost cen w
najbliższych 12
miesiącach
Zawiasy Tukey'a Wzrost cen w
ciągu ostatnich 12
miesięcy
Wzrost cen w
najbliższych 12
miesiącach
5
10,00
Percentyle
10
25
17,10 23,75
50
30,00
10,00
10,50
20,00
30,00
24,00
30,00
20,00
30,00
Percentyle
Przeciętne
Wzrost cen w
ważone (Definicja ciągu ostatnich 12
1)
miesięcy
Wzrost cen w
najbliższych 12
miesiącach
Zawiasy Tukey'a Wzrost cen w
ciągu ostatnich 12
miesięcy
Wzrost cen w
najbliższych 12
miesiącach
Percentyle
75
90
95
50,00 69,00 100,00
50,00
50,00
50,00
70,00 100,00
Wzrost cen w ciągu ostatnich 12 miesięcy
Wzrost cen w najbliższych 12 miesiącach
Zadanie 2
Test T (T-TEST)
W pliku Dane_wzrost_cen.sav próba jest duża nie ma, więc konieczności
sprawdzania normalności rozkładu.
H0: Oprocentowanie 12-miesięcznych lokat jest równe 3-krotnej inflacji.
H1: Oprocentowanie 12-miesięcznych lokat jest inne niż 3-krotna
inflacja.
Statystyki dla jednej próby
Odchyleni
Błąd
e
standardo
Średni standardo
wy
N
a
we
średniej
12 miesięczne
217 40,66
18,878
1,282
oprocentowania zł
na lokacie
Test dla jednej próby
Wartość testowana = 30
Istotność
(dwustron Różnica
t
df
na)
średnich
12 miesięczne
8,321
216
,000
10,664
oprocentowania zł
na lokacie
Test dla jednej próby
Wartość testowana = 30
95% przedział ufności dla
różnicy średnich
Dolna
granica Górna granica
12 miesięczne
8,14
13,19
oprocentowania zł
na lokacie
Istotność jest mniejsza niż 0,05 -> H0 odrzucamy i przyjmujemy H1.
Zadanie 3
Test T (T-TEST)
W pliku Dane_wzrost_cen.sav próba jest duża nie ma, więc konieczności
sprawdzania normalności rozkładu.
H0: Zmienne mają jednakowe średnie.
H1: Zmienne mają różne średnie.
Statystyki dla prób zależnych
Para Wzrost cen w
1
ciągu ostatnich 12
miesięcy
Wzrost cen w
najbliższych 12
miesiącach
Błąd
Odchylenie standardo
standardow
wy
Średnia N
e
średniej
40,19 230
30,335
2,000
38,85 230
30,959
Korelacje dla prób zależnych
N
Korelacja Istotność
Para Wzrost cen w
230
,885
,000
1
ciągu ostatnich 12
miesięcy & Wzrost
cen w najbliższych
12 miesiącach
2,041
Test dla prób zależnych
Różnice w próbach zależnych
Błąd
Średni Odchylenie standardowy
a
standardowe
średniej
Para Wzrost cen w
1,335
14,738
,972
1
ciągu ostatnich 12
miesięcy - Wzrost
cen w najbliższych
12 miesiącach
Test dla prób zależnych
Różnice w próbach
zależnych
95% przedział ufności
dla różnicy średnich
Dolna
Górna
granica
granica
Para Wzrost cen w
-,580
3,250
1
ciągu ostatnich 12
miesięcy - Wzrost
cen w najbliższych
12 miesiącach
t
1,374
df
229
Test dla prób zależnych
Istotność
(dwustron
na)
Para Wzrost cen w
,171
1
ciągu ostatnich 12
miesięcy - Wzrost
cen w najbliższych
12 miesiącach
Otrzymaliśmy istotność większą niż 0,05 -> Nie ma podstaw do
odrzucenia H0.
Zadanie 4
Dopasowanie krzywej (CURVEFIT)
Opis modelu
Nazwa modelu
MOD_1
Zmienna
1
Wzrost cen w ciągu
zależna
ostatnich 12
miesięcy
Równanie
1
Liniowy
Zmienna niezależna
Wzrost cen w
najbliższych 12
miesiącach
Stała
Uwzględnione
Zmienna opisująca obserwacje Nieokreślone
na wykresach
Informacja o
analizowanych danych
Liczebno
ść
Ogółem
328
obserwacji
Obserwacje
98
a
wykluczone
Obserwacje
0
prognozowane
Nowoutworzone
0
obserwacje
a. Obserwacje z brakami
danych w dowolnej ze
zmiennych są wykluczane z
analizy.
Podsumowanie przetwarzanych zmiennych
Zmienne
Niezależn
Zależna
a
Wzrost
Wzrost
cen w
cen w
ciągu
najbliższy
ostatnich
ch 12
12
miesiącac
miesięcy
h
Liczba dodatnich wartości
266
241
Liczba zer
0
0
Liczba ujemnych wartości
0
0
Liczba braków Brak danych
62
87
danych
zdefiniowany
przez użytkownika
Systemowy brak
0
0
danych
Podsumowanie modelu i oszacowań parametrów
Zmienna zależna:Wzrost cen w ciągu ostatnich 12 miesięcy
Oceny
Model - Podsumowanie
parametrów
Równa R-kwad
Istotno
nie
rat
F
df1
df2
ść
Stała
b1
Liniowy
,782 820,08
1
228
,000 6,513
,867
5
Zmienną niezależną jest Wzrost cen w najbliższych 12 miesiącach.
R^2 = 0,782 co oznacza, że w 78% różnice w prognozie dają się
wytłumaczyć różnicami w zauważonym przez respondentów wzroście
cen w ubiegłym okresie.
R=0,884 co świadczy o dodatniej korelacji miedzy prognozą cen i
ubiegłym okresem.
Równanie prostej regresji ma postać y = 0,867 * x + 6,513.
Eksploracja (EXAMINE)
Informacja o analizowanych danych
Obserwacje
Uwzględnione
Wykluczone
Ogółem
N
Procent
N
Procent
N
Procent
Wzrost cen w
230 70,1%
98 29,9% 328 100,0%
ciągu ostatnich 12
miesięcy
Wzrost cen w
230 70,1%
98 29,9% 328 100,0%
najbliższych 12
miesiącach
Wykresy skrzynkowe ujawniły przypadki odstające dla zmiennych
wzrost_wstecz i wzrost_prognoza.
Jest 24 takich obserwacji, wartości usuwamy z pliku i powtarzamy
analizę.
Dopasowanie krzywej (CURVEFIT)
Opis modelu
Nazwa modelu
MOD_2
Zmienna
1
Wzrost cen w ciągu
zależna
ostatnich 12
miesięcy
Równanie
1
Liniowy
Zmienna niezależna
Wzrost cen w
najbliższych 12
miesiącach
Stała
Uwzględnione
Zmienna opisująca obserwacje Nieokreślone
na wykresach
Informacja o
analizowanych danych
Liczebno
ść
Ogółem
304
obserwacji
Obserwacje
94
a
wykluczone
Obserwacje
0
prognozowane
Nowoutworzone
0
obserwacje
Informacja o
analizowanych danych
Liczebno
ść
Ogółem
304
obserwacji
Obserwacje
94
a
wykluczone
Obserwacje
0
prognozowane
Nowoutworzone
0
obserwacje
a. Obserwacje z brakami
danych w dowolnej ze
zmiennych są wykluczane z
analizy.
Podsumowanie przetwarzanych zmiennych
Zmienne
Niezależn
Zależna
a
Wzrost
Wzrost
cen w
cen w
ciągu
najbliższy
ostatnich
ch 12
12
miesiącac
miesięcy
h
Liczba dodatnich wartości
243
220
Liczba zer
0
0
Liczba ujemnych wartości
0
0
Liczba braków Brak danych
61
84
danych
zdefiniowany
przez użytkownika
Systemowy brak
0
0
danych
Podsumowanie modelu i oszacowań parametrów
Zmienna zależna:Wzrost cen w ciągu ostatnich 12 miesięcy
Oceny
Model - Podsumowanie
parametrów
Równa R-kwad
Istotno
nie
rat
F
df1
df2
ść
Stała
b1
Liniowy
,585 293,06
1
208
,000 10,984
,706
0
Zmienną niezależną jest Wzrost cen w najbliższych 12 miesiącach.
R^2 = 0,585 co oznacza, że w 59% różnice w prognozie dają się
wytłumaczyć różnicami w zauważonym przez respondentów wzroście
cen w ubiegłym okresie.
R=0,765 co świadczy o dodatniej korelacji miedzy prognozą cen i
ubiegłym okresem.
Równanie prostej regresji ma postać y = 0,706 * x + 10,984.
Równanie może być używane do przewidywania odpowiedzi na drugie
pytanie na podstawie odpowiedzi na pierwsze, ponieważ R=0,765 co
świadczy o dodatniej korelacji miedzy prognozą cen i ubiegłym okresem.