Статистические пакеты для обработки и анализа данных

Сезонное и несезонное экспоненциальное сглаживание

В модуле Временные ряды полностью реализованы все 12 классических моделей экспоненциального сглаживания. Задание модели может включать аддитивную или мультипликативную сезонную составляющую и/или линейный, экспоненциальный или демпфированый тренд; в частности, доступны популярные модели с линейным трендом Холта-Винтера. Пользователь может задавать начальное значение параметров сглаживания, начальное значение тренда и (если требуется) сезонные факторы. Для тренда и сезонной составляющей могут быть заданы независимые параметры сглаживания. Для определения лучшей комбинации параметров используется метод поиска на сетке; в таблицах результатов для всех комбинаций значений параметров сглаживания вычисляется средняя ошибка, средняя абсолютная ошибка, сумма квадратов ошибок, среднеквадратическая ошибка, средняя относительная ошибка и средняя абсолютная относительная ошибка. Наименьшие значения этих ошибок выделяются цветом. Имеется возможность автоматического поиска лучшего набора параметров в смысле среднеквадратической, средней абсолютной или средней абсолютной относительной ошибки (для этого используется общая процедура минимизации). Все результаты преобразования экспоненциальным сглаживанием, остатки и прогноз на требуемое число шагов доступны для дальнейшего анализа и вывода на график. Для оценки адекватности модели используются графики, на которых вместе с исходным рядом в подходящем масштабе по оси Y изображаются его сглаженный вариант, прогноз и ряд остатков.

Классическая сезонная декомпозиция (метод Census I)

Имеется возможность  задать произвольный сезонный лаг и выбрать либо аддитивную, либо мультипликативную сезонную модель. Программа вычисляет скользящие средние, отношения или разности, сезонные компоненты, ряд с сезонной поправкой, сглаженную тренд-циклическую и нерегулярную компоненты. Все эти составляющие ряда доступны для дальнейшего анализа; например, для проверки адекватности можно построить гистограммы, графики на нормальной вероятностной бумаге и т.д.

Месячная и квартальная  сезонная X-11-декомпозиция и корректировка (метод Census II)

Модуль Временные ряды включает полную реализацию варианта X-11 метода сезонной корректировки, принятого Статистическим управлением США (US Bureau of the Census). Структура всех функций и диалоговых окон соответствует требованиям и соглашениям, описанным в документации Bureau of the Census. Можно выбрать либо аддитивные, либо мультипликативные модели. Пользователь может дополнительно вычислить априорные поправки на число рабочих дней и сезонные поправки. Колебания числа рабочих дней оцениваются регрессионными методами (с правильной обработкой крайних членов ряда) и затем (по желанию) используются для корректировки ряда. Реализованы стандартные средства для градуировки выбросов, вычисления сезонных факторов и вычисления тренд-циклической компоненты (имеется возможность выбирать несколько типов взвешенного скользящего среднего; кроме того, программа может сама находить оптимальную длину и тип скользящего среднего). Итоговые компоненты ряда (сезонная, тренд-циклическая, нерегулярная) и ряд с внесенной сезонной поправкой всегда доступны для дальнейшего анализа и вывода на график; кроме того, все они могут быть сохранены для дальнейшего исследования другими методами и/или в других программах. Все компоненты выводятся на графики в различной форме, включая категоризованные графики по месяцам (кварталам).

Полиномиальные модели распределенных лагов

С помощью реализованных  в модуле Временные ряды методов полиномиальных распределенных лагов можно выполнять оценку моделей с обычными лагами и лагами Алмона. Для анализа распределений переменных модели имеется ряд графических средств.

Спектральный (Фурье) анализ и кросс-спектральный анализ

Модуль Временные ряды включает полную реализацию методов спектрального или Фурье анализа одного ряда и кросс-спектральный анализ двух рядов. Преимущества реализации спектрального анализа в STATISTICA особенно отчетливо проявляются при анализе очень длинных временных рядов (с более чем 250 тыс. наблюдений) и не предполагают каких-либо ограничений на длину ряда (в частности, длина исходного ряда не обязана быть четной). Вместе с тем, иногда бывает разумно предварительно увеличить или уменьшить длину ряда. Стандартные методы предварительной обработки ряда включают косинус-сглаживание, вычитание среднего и удаление тренда. Результаты обычного спектрального анализа содержат коэффициенты частоты, периода, коэфициенты при синусах и косинусах, периодограмма и оценка спектральной плотности. Оценка плотности может быть вычислена с помощью весов Даниеля, Хэмминга, Бартлетта, Тьюки, Парзена или с весами и шириной, заданными пользователем. Очень полезно, особенно при работе с длинными рядами, иметь возможность выводить в убывающем порядке заранее заданное число точек периодограммы или спектральной плотности; таким образом можно легко обнаружить резкие пики периодограммы и спектральной плотности для длинных рядов. Имеется возможность вычислить d-критерий Колмогорова-Смирнова для значений периодограммы чтобы проверить, подчиняются ли они экспоненциальному распределению (является ряд белым шумом или нет). Для представления результатов анализа имеются различные типы графиков; можно отобразить коэффициенты при синусах и косинусах, периодограмму, лог- периодограмму, спектральную и лог-спектральную плотность по отношению к частотам, периодам и лог- периодам. В случае длинного исходного ряда имеется возможность выбрать конкретный сегмент (период), для которого будут изображаться соответствующие периодограмма и график спектральной плотности, тем самым будет улучшено их "разрешение". При кросс-спектральном анализе, в дополнение к результатам обычного спектрального анализа каждого отдельного ряда, вычисляется кросс- периодограмма (вещественная и мнимая часть), ко-спектральная плотность, квадратурный спектр, кросс-амплитуда, значения когерентности, усиления и фазовый спектр. Все эти величины могут быть выведены на график, где по горизонтальной оси будет откладываться частота, период или лог-период либо для всего интервала периодов (соответственно, частот), либо для выбранного пользователем диапазона. Указанное пользователем количество наибольших значений кросс-периодограммы (вещественных или мнимых) может быть выведено в убывающем порядке в виде таблицы результатов, что позволяет легко выявлять на ней резкие пики для длинных исходных рядов. Как и во всех других процедурах модуля Временные ряды, все полученные ряды могут быть добавлены в активную рабочую область и затем подвергнуты дальнейшему исследованию с помощью других методов анализа временных рядов или средствами других модулей системы STATISTICA.

Прогнозирование на основе регрессионных методов

Наконец, в системе STATISTICA реализованы регрессионные методы анализа временных рядов для переменных с запаздыванием (лагом) или без него, в том числе - регрессия, проходящая через начало координат, нелинейная регрессия и интерактивное "что-если" прогнозирование.

Vortex 
Описание Vortex — программа обработки и анализа социологической и маркетинговой информации 8.0. Студенческая

Программа Vortex предназначена для разработки инструментария сбора данных (анкеты, бланка интервью, теста, html-формы и т.п.), ввода, обработки и анализа информации, представления полученных результатов в виде таблиц, текстов и диаграмм с возможностью их переноса в другие приложения. Области применения: любые исследования связанные с опросами населения, сотрудников или экспертов, анализ данных наблюдений, статистики. Социологические исследования: комплекс наиболее востребованных процедур обработки и анализа количественных социологических данных, в том числе: — расчет объема выборки и определение ошибки репрезентативности; — экстраполяция данных на генеральную совокупность; — обработка вопросов с множественным выбором, открытых и полузакрытых вопросов; — обработка табличных вопросов, ранговых методик и полярных профилей; — множество методик разработки вторичных показателей; — одномерный, двухмерный и многомерный частотный анализ; — регрессионный, кластерный, детерминационный и другие виды многомерного анализа. Политические исследования: оценка и прогнозирование электоральной активности и политических предпочтений, выявление факторов влияющих на политическое поведение, разработка типологий политического поведения, сегментация электората по актуальным проблемам и информационным источникам. Социально-психологические исследования: обработка данных, полученных в ходе опроса, наблюдения или тестирования сотрудников организации, оценка социально-психологического климата, неформальной структуры группы. Социально-медицинские исследования: обработка данных, полученных в ходе опроса пациентов, наблюдения или оценки результатов анализов. Конструирование и обработка данных психологических тестов: — стандартизация тестов для различных групп испытуемых; — оценка дискриминативности исходных и объективных показателей; — расчет результатов тестирования; — определение процентилей и СТЭНов.

 
1. Область применения  и разработка 
 
Программа «VORTEX» предназначена для:

•  
  разработки инструментария сбора данных (анкеты, бланка интервью, теста и т.п.);
•  
  ввода первичной информации, собранной в ходе прикладного исследования;
•  
  обработки и анализа этой информации;
•  
  представления полученных результатов анализа в виде таблиц, текстов, графиков и диаграмм с возможностью их переноса в Microsoft Word, Excel и другие приложения Windows.

 
 Области применения: 
 
Любые исследования связанные с опросами населения, сотрудников или экспертов, анализ данных наблюдений, статистики. Программа широко используется в различных сферах, поэтому ниже перечислены только наиболее популярные задачи. 
 
 
Социологические исследования: комплекс наиболее востребованных процедур обработки и анализа количественных социологических данных, в том числе:

•  
  расчет объема выборки и определение ошибки репрезентативности;
•  
  экстраполяция данных на генеральную совокупность;
•  
  обработка вопросов с множественным выбором;
•  
  обработка открытых и полузакрытых вопросов;
•  
  обработка табличных вопросов;
•  
  обработка ранговых методик и полярных профилей;
•  
  множество методик разработки вторичных показателей;
•  
  одномерный, двухмерный и многомерный частотный анализ;
•  
  регрессионный, кластерный, дисперсионный, детерминационный и другие виды многомерного анализа;
•  
  контент-анализ текстовых данных.

 
 
Маркетинговые исследования: обработка результатов опросов или наблюдений потребителей, покупателей, экспертов, клиентов, поставщиков, заказчиков, конкурентов и других участников рынка в том числе:

•  
  определение емкости и доли рынка, позиций конкурентов;
•  
  описание потребительского поведения и предпочтений, в том числе в рамках различных сегментов (целевых групп), разработка типологий и модели потребительского поведения;
•  
  определение имиджа товара или марки для различных сегментов рынка;
•  
  разработка кривых спроса и оценка эластичности спроса;
•  
  определение оптимальной цены товара или услуги для различных сегментов рынка, на основе анализа спроса;
•  
  сравнительная оценка роли различных атрибутов товара или услуги в процессе выбора потребителем той или иной марки;
•  
  определение факторов, влияющих на потребительское поведение и предпочтения;
•  
  прогнозирование изменений в потребительском поведении и предпочтениях под влиянием различных факторов;
•  
  при помощи картограмм и картодиаграмм учет региональных особенностей потребительского поведения и предпочтений.

 
 
Политические исследования:

•  
  оценка и прогнозирование электоральной активности и политических предпочтений;
•  
  выявление факторов влияющих на политическое поведение;
•  
  разработка типологий и моделей политического поведения;
•  
  сегментация электората по актуальным проблемам и информационным источникам.
•  
  анализ частоты упоминания определенных категорий в СМИ (контент-анализ).

 
 
^ Социально-психологические исследования: обработка данных, полученных в ходе опроса, наблюдения или тестирования сотрудников организации, оценка социально-психологического климата, неформальной структуры группы. 
 
^ Социально-медицинские исследования: обработка данных, полученных в ходе опроса пациентов, наблюдения или оценки результатов анализов. 
 
Конструирование и обработка данных психологических тестов:

•  
  стандартизация тестов для различных групп испытуемых;
•  
  оценка дискриминативности исходных и объективных показателей;
•  
  расчет результатов тестирования;
•  
  определение процентилей и СТЭНов.

Разработка: 
 
Разработка программы ведется с 1990г. Восьмая версия программы разработана в г.Екатеринбурге сотрудником Уральского Госуниверситета, доцентом кафедры прикладной социологии, к.с.н. Шкуриным Д.В. в 2005-2007г. при поддержке Фонда «Социум», г. Екатеринбург. Программа написана на языке Delphi 7 для работы в средах Windows 2000, XP, поддерживает их основные принципы взаимодействия с пользователем. 
 
 
2. Особенности программы: 
 
1. Анализ данных, замеренных по качественным шкалам 
 
В отличие от большинства статистических пакетов, программа Vortex прежде всего ориентирована на то, что основной единицей наблюдения выступает человек, следовательно, большинство показателей имеет качественный (номинальный или порядковый), а не количественный характер (например, пол, уровень образования, род занятий и т.п.). Отсюда наличие в программе специальных процедур анализа качественных показателей:

•  
  поддержка поливариантных переменных – вопросов, на которые один опрошенный может дать несколько ответов одновременно;
•  
  возможность присвоения условных индексов, с помощью которых качественные переменные могут использоваться в количественных расчетах;
•  
  многомерный анализ качественных переменных;
•  
  описание выделенной группы респондентов с помощью определения ее основных, отличительных и существенных черт, а так же составляющих ее сегментов;
•  
  определение основных различий любых двух выделенных социальных групп;
•  
  сводная многомерная таблица;
•  
  возможность разработки качественных и количественных вторичных переменных.