Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 3

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  metoda składowych głównych
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
Jedną z wielu metod doboru zmiennych do modelu ekonometrycznego jest metoda Hotelinga: metoda składowych głównych. Ma ona zastosowanie nie tylko w rozwiązaniu problemu doboru zmiennych objaśniających do modelu ale w każdej sytuacji, w dowolnym zjawisku, pozwala na wyodrębnienie czynników istotnych dla kształtowania zmienności badanego zjawiska. Jest to problem z jakim decydent spotyka się często przy podejmowaniu decyzji. W niniejszym artykule zaprezentowano przykład empiryczny, dotyczący doboru potencjalnych zmiennych do modelu, spośród pięciu wytypowanych wcześniej na podstawie analizy merytorycznej zjawiska. Podobnie można rozpatrywać zagadnienie dla dowolnej, nieograniczonej ilości potencjalnych zmiennych.
EN
In the article the author presented a derived from motor analysis method of Hoteling's main components as one of the possible methods of selecting descriptive variables for an econometrics model. This method allows for the substitution of the initial set of correlated descriptive variables with new properties main components new sets. In this procedure new variables are by their definition orthogonal and can be interpreted as descriptive values with a satisfactory degree of variable variance. It results from conducted theoretical investigations as well as from the empirical example that econometric models obtained in the way discussed above not only possess parameters undergoing a sensible economic interpretation but, what is equally important, their estimators show high effectiveness. An algorithm which provides a suitable estimations of an econometric model is easy numerically and quick, and should be used more intensively in practice.
PL
W pracy zastosowano wielowymiarową metodę statystyczną - analizę składowych głównych (PCA) w celu nadania znaczenia pojęciu "wielkość" nasiona. Wyodrębniono jeden czynnik generujący jednocześnie wszystkie trzy wymiary geometryczne nasiona (długość, szerokość i grubość). Zależność funkcyjną między wilgotnością a otrzymaną składową główną opisano równaniem regresji.
EN
A multidimensional statistic method: principal component analysis (PCA) was applied in the study to give significance to the motion - seed size. One factor which at the same time generates all three geometrical dimensions of a seed (length, width and thickness) was separated. Functional relation between moistness and obtained principal component was described with a regression equation.
PL
W pracy przedstawiono zastosowanie metody składowych głównych (PCA) oraz analizy regresji w badaniu wpływu wilgotności ziarna jęczmienia na jego wielkość. Analizę składowych głównych zastosowano w celu nadania znaczenia pojęciu „wielkość” ziarna, wyodrębniając jeden czynnik generujący jednocześnie wszystkie trzy cechy geometryczne ziarna. Zależność funkcyjną między wilgotnością a otrzymaną składową główną opisano równaniem regresji.
EN
Paper proposed the application of principal components method (PCA) and regression analysis to investigating the effect of moisture content on the size of barley grain. Principal components analysis was applied in order to emphasize the meaning of „grain size” idea, separating one factor which generates all the three geometrical dimensions of grain at once. The relationship between moisture content and obtained principal component was described by a regression equation.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.