Определение точности прогнозов на основе построенной дискриминационной модели

Точность прогнозов на основе построенной дискриминантной модели оценивается по результатам классификации, т.е. распределения объектов исследования (читателей) по исследуемым группам (покупающие и не покупающие электронную литературу в интернете).

В следующей таблице представлены статистические показатели для отдельных наблюдений.

Поскольку число наблюдений велико, в таблице представлены только 20 наблюдений, первых по списку.

Точность прогнозов на основе построенной дискриминантной модели определяется из данных сводной таблицы результатов классификации, т.е. причисления объектов исследования к одной из исследуемых групп.

Таблица

Результаты классификацииa
    Как часто вы покупаете питьевые йогурты? Предсказанная принадлежность к группе Итого
    покупаю ежедневно покупаю несколько раз в неделю покупаю изредка покупаю редко, но в большом количестве покупаю без особой периодичности
Исходные Частота покупаю ежедневно            
покупаю несколько раз в неделю            
покупаю изредка            
покупаю редко, но в большом количестве            
покупаю без особой периодичности            
% покупаю ежедневно ,0 83,3 8,3 ,0 8,3 100,0
покупаю несколько раз в неделю ,0 60,3 30,9 1,5 7,4 100,0
покупаю изредка ,0 35,8 58,2 ,0 6,0 100,0
покупаю редко, но в большом количестве ,0 ,0 25,0 50,0 25,0 100,0
покупаю без особой периодичности ,0 57,7 30,8 1,9 9,6 100,0
a. 42,9% исходных сгруппированных наблюдений классифицировано правильно.

Примечание – Источник: Собственная разработка на основе программы SPSS.

Из данных таблицы «Результаты классификации» были сделаны следующие выводы:

1. Частота покупок – ежедневно. Исследуемую группу потребителей фактически составляют 12 человек. Согласно построенной дискриминантной модели ни один человек не был корректно причислен к группе потребителей, а 12 человека – по ошибке причислены к группе потребителей. Итак, корректные результаты классификации составили 0%, а ошибочные – 100. По данным этой же таблицы исследуемая группа потребителей, не покупающих йогурт ежедневно, состоит фактически из 191 человека. Согласно построенной дискриминационной модели 191 человек был корректно причислен к этой группе. Итого корректные результаты классификации составили 100%, а ошибочные – 0%.

2. Частота покупок – несколько раз в неделю.. Исследуемую группу потребителей фактически составляют 68 человек. Согласно построенной дискриминантной модели 41 человек были корректно причислены к группе потребителей, а 27 человек – по ошибке. Итак, корректные результаты классификации составили 60,3%, а ошибочные – 30,9%.

3. Частота покупок – изредка. Исследуемую группу потребителей фактически составляют 67 человек. Согласно построенной дискриминантной модели 39 человек корректно причислены к данной группе потребителей, а 28 человек – по ошибке. Итак, корректные результаты классификации составили 58,2%, а ошибочные – 41,8%.

4. Частота покупок – редко, но в большом количестве. Исследуемую группу потребителей фактически составляют 4 человека. Согласно построенной дискриминантной модели 2 человека корректно причислены к данной группе потребителей, а 2 человек – по ошибке. Итак, корректные результаты классификации составили 50%, а ошибочные – 50%.

5. Покупаю без особой надобности. Исследуемую группу потребителей фактически составляют 52 человека. Согласно построенной дискриминантной модели 5 человек корректно причислены к данной группе потребителей, а 47 человек – по ошибке. Итак, корректные результаты классификации составили 9,6%, а ошибочные – 90,4%.

В целом корректные результаты классификации составили 42,9%, т.е. в 42,9% случаев фактическая принадлежность потебителя к группе покупающих или не покупающих питьевой йогурт совпадает с прогнозируемой, определенной на основе построенной дискриминантной модели. Это дает возможность сделать вывод, что точность прогнозов, сделанных на основе построенной дискриминантной модели составляет примерно 43%.


Понравилась статья? Добавь ее в закладку (CTRL+D) и не забудь поделиться с друзьями:  



double arrow
Сейчас читают про: