Machanie różdżką, czyli o dopasowaniu linii regresji.
Przewidywanie jest najczęściej stosowanym podejściem w analizie statystycznej danych. Przewidywanie nasilenia pewnej zmiennej np. ilości błędów na taśmie produkcyjnej lub poziomu problemów finansowych jest możliwe dzięki szacowaniu siły i formy związku pomiędzy zmiennymi. Najczęściej do tego typu zagadnień stosuje sie modele regresji (GLM lub GzLM) oraz model równań strukturalnych ( Structural equation model, SEM).
(prawie) Każda firma chce szczycić się niską rotacją pracowników.
Dzięki analizie regresji możemy przewidywać zadowolenie pracowników w korporacji. Zadowolenie z pracy jest jednym z najsilniejszych predyktorów rotacji w korporacjach. Analiza regresji może przewidzieć na podstawie modelu zadowolenie każdego pracownika z badanej próby oraz każdego nowego pracownika, który nie załapał się na badanie.
Jest to możliwe dzięki wagom (β) modelu wyliczanym dla każdej zmiennej (charakterystyki). Na zadowolenie pracownika wpływa z określoną siłą :
– staż β=0,56
– ilość przyjaźni w firmie β=0,89
– korzystanie z siłowni β=0,11
– czy posiada dodatkowy pakiet zdrowotny β=0,44
– zarobki β=0,15
– atmosfera w pracy β=0,18
– departament PR β= – 0,19
– departament marketingu β=0,67
– departament HR β=0,01
Dzięki tym wagom można przybliżyć +/- zadowolenie każdego pracownika za pomocą liniowego wzoru regresji (jeśli charakter przewidywanej zmiennej jest rozkładem normalnym, a nie np. Poissona)
Zadowolenie = stała + (ile stażu) x 0,56 + (ilość przyjaźni w firmie) x 0,89 + (korzystanie z siłowni) x 0,11 + (posiadanie dodatkowego pakietu zdrowotnego) x 0,44 + (zarobki) x 0,15 + (atmosfera w pracy) x 0,18 + (departament PR) x (- 0,19) + (departament marketingu) x 0,67 + (departament HR) x 0,01.
Uwagi.
Budowanie modelu regresji wymaga spełnienia wielu założeń by przewidywanie było jak najmniej obciążone przez różne czynniki. Diagnostyka modelu i porównywanie modeli regresji jest niezbędne by mieć szacowanie najwyższej klasy.
Inne metody przewidujące:
– sieć neuronowa (wielowarstwowy perceptron i radialna funkcja bazowa)
– regresja nieliniowa
– regresja porządkowa (PLUM)
– regresja kanoniczna
– analiza szeregów czasowych
– analiza przeżycia (regresja COXa)
– wykresy trwania życia Kaplana – Mayera