Simulačné porovnanie metód pre výber vysvetľujúcich premenných v regresnom modeli

Alžbeta Javorová

Bachelor's thesis

Simulační porovnání metod pro výběr vysvětlujících proměnných v regresním modelu

Abstract:

Regresní modely obsahují častokrát velké množství nezávisle proměnných, přičemž část z nich nemusí mít vůbec žádný vliv na závisle proměnnou. Pro nás je důležité odlišit regresory, které jsou v modelu signifikantní, od těch regresorů, které nám nepřinášejí žádnou novou informaci a můžou být z modelu vymazané. Cílem této práce je porovnat čtyři rozšířené metody pro selekci proměnných na volně dostupných datech pomocí dvou data generujících procesů a námi vytvořených Monte Carlo simulací, které jsou používané hlavně na simulování situací, které jsou pod vlivy náhodných jevů. Použitý datový soubor zobrazuje různé vlivy na průměrnou měsíční mzdu. Numerické výpočty realizujeme v jazyce R s využitím standardních balíčků.

Abstract:

When creating regression models, we usually have more independent variables to our disposal than is required to determine dependant variable. It is important for us to distinguish between regressors that appear to be significant in our model and regressors that do not bring any additional information and thus can be excluded.The aim of this thesis is to compare four different, widely used methods for feature selection using real data set with the help of two data generating processes and Monte Carlo simulations of our own design that are used mostly for simulating situations that are under the influence of random effects. The data set we are using is showing different impacts on average month wage. Numerical calculations are realized in programming language R with the use of standard packages.

Abstract:

Regresné modely obsahujú častokrát veľké množstvo nezávislých premenných, pričom časť z nich nemusí mať vôbec žiadny vplyv na závislú premennú. Pre nás je dôležité odlíšiť regresory, ktoré sú v modeli signifikantné, od tých regresorov, ktoré nám neprinášajú žiadnu novú informáciu a môžu byť z modelu vymazané. Cieľom tejto práce je porovnať štyri rozšírené metódy pre selekciu premenných na voľne dostupných dátach pomocou dvoch dáta generujúcich procesov a nami vytvorených Monte Carlo simulácií, ktoré sú používané hlavne na simulovanie situácií, ktoré sú pod vplyvmi náhodných javov. Použitý dátový súbor zobrazuje rôzne vplyvy na priemernú mesačnú mzdu. Numerické výpočty realizujeme v jazyku R s využitím štandardných balíčkov.

Keywords

informační kritérium, data generující proces, Monte Carlo simulace, selekce proměnných

Keywords

feature selection, information criterion, data generating process, Monte Carlo simulation

Keywords

informačné kritérium, dáta generujúci proces, selekcia premenných, Monte Carlo simulácia

Language used: Slovak

Date on which the thesis was submitted / produced: 15. 10. 2019

Thesis defence

• Date of defence: 27. 8. 2020
• Supervisor: Jan Zouhar
• Reader: Petra Tomanová

Vysoká škola ekonomická v Praze

Bachelor programme / field:
Kvantitativní metody v ekonomice / Matematické metody v ekonomii