Курсовая работа: Решение задач прогнозирования с помощью статистического пакета SPSS
Введение
Точная и своевременная информация о том, что может произойти в экономике и обществе в будущем, всегда имела значение для тех, кто принимал бизнес-решения. Прогнозирование стало важной частью процесса планирования любой компании. Развитие современных экономических теорий, а также сложных компьютерных программ повлияло на подъем новых методов прогнозирования.
Сегодня рынок статистического программного обеспечения впечатляет своим многообразием. Существует более тысячи разнообразных программ решающих задачи статистического анализа данных. Зарекомендовавшими себя представителями этого класса программ являются SAS, STATISTICA, Statgraphics, а также отечественная разработка пакет STADIA. Однако бесспорным лидером является статистический пакет SPSS.
Целью данной курсовой работы является описание функциональных возможностей системы SPSS и решение средствами этой системы задачи прогнозирования.
1 . Функциональные возможности системы SPSS
Пакет SPSS для Windows является в настоящее время одним из лидеров среди универсальных статистических пакетов. SPSS предлагает полный набор инструментов, обеспечивающих эффективную работу на всех этапах аналитического процесса – от планирования до управления данными, анализа данных и представления результатов.
Программное обеспечение SPSS позволяет:
- Эффективно осуществлять сбор и ввод данных;
- Организовывать простой доступ к данным;
- Эффективно управлять данными;
- Использовать различные статистические процедуры для анализа данных и строить более точные модели;
- Наглядно представлять результаты тем;
- Публиковать результаты в Интернете.
Для прогнозирования числовых переменных в системе SPSS можно использовать такие процедуры как:
- Линейная регрессия – исследование взаимосвязей между предикторами и прогнозируемой переменной. Например, прогнозирование продаж на основе данных о ценах и доходе покупателей.
- Линейная регрессия доступна в SPSS Base
- Регрессия на основе взвешенного метода наименьших квадратов
- – используется, когда дисперсия независимой переменной в генеральной совокупности непостоянна.
- Регрессия на основе взвешенного метода наименьших квадратов доступна в SPSS Regression Models
- Двухэтапный метод наименьших квадратов – применяется, когда предиктор и прогнозируемая переменная оказывают взаимное влияние друг на друга.
- Двухэтапный метод наименьших квадратов доступен в SPSS Regression Models
- Анализ выживаемости – оценка распределения временных интервалов между двумя событиями, например, временных интервалов от момента привлечения клиента до момента ухода клиента к конкурентам, даже если второе событие не регистрируется (например, клиенты остаются лояльными).
Анализ выживаемости доступен в SPSS Advanced Models
– Регрессия Кокса с ковариатами, зависящими от времени
– Процедура Каплана-Мейера
– Таблицы дожития
Процедуры доступны в SPSS Advanced Models.
Мощным инструментом анализа временных рядов и прогнозирования является модуль SPSSTrends. SPSS Trends позволяет анализировать информацию о прошлом и предсказывать будущее.
SPSS Trends позволяет воспользоваться следующими процедурами оценивания:
--> ЧИТАТЬ ПОЛНОСТЬЮ <--