Search results

1

Measuring the Quality of Multivariate Statistical Models

100%

Trzęsiok M.

Acta Universitatis Lodziensis. Folia Oeconomica

|

2018

|

vol. 6

|

issue 339

99-100

PL

Bardzo ważnym elementem procesu modelowania statystycznego jest etap oceny jakości zbudowanego modelu. W zależności od wykorzystanej metody istnieje wiele różnych podejść do pomiaru jakości modelu. Pomiar ten może skupiać się na dopasowaniu do danych empirycznych albo może przede wszystkim uwzględniać zdolności prognostyczne modelu. Mierniki mogą być absolutne albo względne. Zestaw mierników jakości modelu obejmuje liczną grupę propozycji, z których analityk musi wybrać najodpowiedniejszy do danej sytuacji. W artykule przedstawiono zestawienie mierników jakości modelu oraz sugestię używania innych mierników jakości na etapie wyboru wariantu modelu oraz na etapie oceny jakości modelu końcowego.

EN

Assessing the quality of a statistical model is very important, since it is crucial for the utility of the modelling process’ outcome. There are many different ways of measuring statistical models’ quality. Some of the measures represent a “goodness of fit” approach, some are “prediction ability” orientated. Among them there are absolute and relative measures. It is a researcher’s decision, which model quality measure is the most adequate for the given task. In the paper we present an overview of statistical models’ quality measures and a suggestion of using different ones during the model type selection stage and the stage of assessing the quality of the final model.

2

Analiza porównawcza wybranych metod szacowania błędu predykcji klasyfikatora

57%

Herman S.

Przegląd Statystyczny

|

2016

|

vol. 63

|

issue 4

449-463

EN

Classification is an algorithm, which assigns studied companies, taking into consideration their attributes, to specific population. An essential part of it is classifier. Its measure of quality is especially predictability, measured by true error rate. The value of this error, due to lack of sufficiently large and independent test set, must be estimated on the basis of available learning set. The aim of this article is to make a review and compare selected methods for estimating the prediction error of classifier, constructed with linear discriminant analysis. It was examined if the results of the analysis depends on the sample size and the method of selecting variables for a model. Empirical research was made on example of problem of bankruptcy prediction of join-stock companies in Poland.

PL

Klasyfikacją nazywamy algorytm postępowania, który przydziela badane obserwacje/obiekty, bazując na ich cechach do określonych populacji. W tym celu konstruowany jest odpowiedni model – klasyfikator. Miarą jego jakości jest przede wszystkim zdolność predykcyjna, mierzona m.in. za pomocą prawdziwego błędu predykcji. Wartość tego błędu, ze względu na brak odpowiednio dużej, niezależnej próby testowej, musi być często szacowana na podstawie dostępnej próby uczącej. Celem artykułu jest dokonanie przeglądu oraz empirycznej analizy porównawczej wybranych metod szacowania błędu predykcji klasyfikatora, skonstruowanego z wykorzystaniem liniowej analizy dyskryminacyjnej. Zbadano, czy wyniki analizy uzależnione są od wielkości próby oraz metody wyboru zmiennych do modelu. Badanie empiryczne zostało przeprowadzone na przykładzie problemu prognozowania upadłości spółek akcyjnych w Polsce.

3

Testing of the Prediction Unbiasedness on the Basis of Janus Quotient

50%

Wywiał J.

Przegląd Statystyczny

|

2009

|

vol. 56

|

issue 2

42-51

PL

W pracy jest rozważany problem wyboru odpowiedniego predykatora. Przyjęto, że postulowanym kryterium tego wyboru jest jego nieobciążoność. W pracy są proponowane testy na nieobciążoność predykcji trzech predyktorów trendu liniowego. Punktem wyjścia konstrukcji sprawdzianów testów jest znany współczynnik Janusowy używany do oceny dokładności ciągów wyznaczanych prognoz, który jest ilorazem wariancji predykcji ex-post i wariancji resztowej. Z formalnego punktu widzenia każdy z rozważanych sprawdzianów testów jest ilorazem dwóch form kwadratowych wektora zmiennych o rozkładzie normalnym. Te formy kwadratowe mogą być zależne. Dlatego w celu wyznaczenia rozkładu prawdopodobieństwa sprawdzianu testu jest adaptowana jedna ze znanych metod pozwalających na przybliżone wyliczanie wartości jego dystrybuanty. Rozważania zilustrowano przykładem. Otrzymane w pracy wyniki można uogólnić na przypadek predykcji na podstawie modelu regresji.

EN

The problem of choosing the appropriate predictor is being considered. Generally, in this paper the analysis is focused on the problem of unbiasedness of the predictors. Several tests attempting to verify the unbiasedness of three predictors of the linear trend are proposed. They are based on some modifications of the well-known Janus quotient being a ratio of the variance of prediction errors and the residual variance. In general each of the considered test statistic can be represented as the ratio of two quadratic forms of normal vectors. These two quadratic forms can be dependent, so its distribution function has to be approximated. An example of testing hypothesis on unbiasedness is presented. The obtained results can be generalized in the case of prediction on the basis of regression models.

Refine search results

2 Przegląd Statystyczny

1 Acta Universitatis Lodziensis. Folia Oeconomica

1 Herman S.

1 Trzęsiok M.

1 Wywiał J.

1 2018

1 2016

1 2009

Measuring the Quality of Multivariate Statistical Models

Analiza porównawcza wybranych metod szacowania błędu predykcji klasyfikatora

Testing of the Prediction Unbiasedness on the Basis of Janus Quotient