6.2 Пакет программ statistica

Пакет STATISTICA фирмы StatSoft является интегрированной системой статистического анализа и обработки данных. Он позволяет проводить статистическую обработку данных в широком спектре на высоком профессиональном уровне, но при этом выдвигаются достаточно большие требования к пользователю в отношении теоретической подготовки в области математической статистики. Хотя и новички в статистике смогут выполнить, и, главное, интерпретировать некоторые статистические операции.

STATISTICA состоит из следующих компонент, которые объединены в рамках одной системы:

• электронных таблиц для ввода, хранения и изменения данных (Spreadsheet);

• электронных таблиц для вывода результатов статистического анализа (Scrooldsheet);

• мощной графической системы;

• набора специализированных статистических модулей, в которых собраны группы логически связанных между собой статистических процедур;

• специального инструментария для подготовки отчетов;

• встроенных языков программирования.

После запуска программы появляется пустая электронная таблица в STATISTICA File Server. Затем вводят данные в таблицу; заменяют стандартные названия переменных на требуемые; изменяют формат данных. Здесь же можно выполнить некоторые действия над данными: визуализация данных, основные статистические характеристики данных. Для более сложных действий применяют специализированные модули. Для запуска их требуется выбрать на панели инструментов Module Switcher - Переключатель модулей. Опишем основные статистические модули и их возможности.

• Basic Statistics – Модуль Основные статистики и таблицы

Этот модуль включает в себя практически все описательные статистики, группировки, доверительные интервалы; тесты на нормальный закон распределения; расчет корреляционных матриц (размеров до 300 на 300); тесты на независимость признаков; гистограммы; таблицы частот.

• Nonparametrics / Distrib. – Модуль Непараметрические статистики и подгонка распределений

Модуль содержит обширный набор непараметрических критериев согласия, в частности, критерий Колмогорова-Смирнова; ранговые критерии Манна-Уитни, Вилкоксона и многие другие.

Модуль позволяет подобрать к исходным данным подходящий закон распределения (13 наиболее известных видов).

• Multiply Regression – Модуль Множественная регрессия

В этом модуле строятся зависимости между многомерными переменными; проверяется адекватность моделей; оцениваются и строятся остатки, исследуются мобели на наличие автокорреляции.

• Nonlinear Estimation – Модуль Нелинейное оценивание

Этот модуль незаменим, если пользователю требуется составить нелинейное уравнение регрессии, проверить его на адекватность, рассчитать тесноту связи зависимого и независимых факторов.

Перечислим остальные модули:

• Time series / Forecasting – Модуль Анализ временных рядов и прогнозирование

• Cluster Analysis – Модуль Кластерный анализ

• Process Analysis – –Модуль Анализ процессов

• Canonical Analysis – Модуль Канонический анализ

• Discriminant Function Analysis – Модуль Дискриминантный анализ

• Factor Analysis –Модуль Факторный анализ

• ANOVA/MANOVA – Модуль дисперсионного анализа

• Classification Trees – Модуль Классификационное дерево

• Data Management – Модуль Управление данными

• Quality Control –Модуль Контроль качества

Более подробная информация о работе с данными в среде STATISTICA содержится в [3 ]

Для примера возьмем задачу о нахождении уравнения множественной регрессии, которая решалась нами средствами пакета Mathcad в пункте 5.8 и в среде Excel в пункте 6.1.

а) Заполняем данными исходную таблицу ( приводим фрагмент таблицы):

б) Используя переключатель модулей, переходим в модуль Множественная регрессия.

Выбираем зависимые (dependent -У) и независимые (independent X₁, X₂) переменные (variables). После нажатия кнопки ОК результаты можно вывести в виде таблицы

Regression Summary for Dependent Variable: Y (yyy.sta)
R= ,78210169 RІ= ,61168305 Adjusted RІ= ,56599870
F(2,17)=13,389 p<,00032 Std.Error of estimate: 7,3732
		St. Err.		St. Err.
	BETA	of BETA	B	of B	t(17)	p-level
Своб.член			10,986	12,145	0,905	0,378
X1	0,454	0,163	23,471	8,412	2,790	0,013
X2	-0,490	0,163	-0,018	0,006	-3,007	0,008

Здесь R=0,782 – корреляционное отношение; RI=0,612 – коэффициент детерминации; F(2,17)=13,389 – наблюдаемое значение критерия Фишера; p<0,00032 – значимость ошибки первого рода, при которой гипотезу об адекватности полученной модели нужно отвергнуть. Малая вероятность говорит о том, что модель адекватная.

Параметры модели содержатся в столбце В. Они совпадают с найденными ранее. В следующих столбцах помещены СКО этих параметров; их t-статистики и уровни вероятностей ошибок. Если выбрать значимость =0,1 , то коэффициенты регрессии при Х₁ и Х₂ признаются значимыми, свободный член уравнения регрессии признается незначимым. Это значит, что нужно выбрать другую спецификацию модели, возможно без свободного члена.