* ВОПРОС:
Мы моделируем число посетитиелей как линейные функции от некоторых
независимых переменных. Сейчас нам хотелось бы провести валидацию
построенной модели, используя несколько дополнительных наблюдений,
сделанных в последнее время. Более точно, мы хотели бы применить
построенную общую линейную модель (GLM) к новым данным, построить для них
прогнозы зависимой переменной и сравнить их с ранее наблюдёнными значениями.
Подобная операция в регрессии выполняется очень просто: оставляете нужные значения
для зависимой переменной пропущенными, и вам строится для них прогноз. Но в GLM
это не работает. Не помогает и фильтрация наблюдений. Разумеется, не хотелось бы
перекодировать все предикторы для построения регрессии, равно как не хотелось бы
считать прогнозы в ручную. Есть способ обойти эту проблему?
* Решение. Размещено в новостной группе 26.02.2001.
* Это обходной путь, позволяющий автоматически вычислить предсказанные значения для пропущенных значений y.
* UNIANOVA (одномерный дисперсионный анализ): Вычисление прогнозных значений.
* Автор: Raynald Levesque, rlevesque@videotron.ca
DATA LIST LIST /a(f2.0) b(f2.0) y(f2.0) .
BEGIN DATA.
4 7 3
6 4 2
7 8 5
9 15 7
5 4 .
END DATA.
UNIANOVA
y WITH a b
/METHOD = SSTYPE(3)
/INTERCEPT = INCLUDE
/SAVE = PRED RESID
/PRINT = PARAMETER
/CRITERIA = ALPHA(.05)
/DESIGN = a b
/OUTFILE=COVB('C:\\temp\\параметры.sav').
SAVE OUTFILE='c:\\temp\\данные.sav'.
GET FILE='C:\\temp\\параметры.sav'.
SELECT IF (rowtype_="EST").
FORMATS p1 p2 p3 (F14.8).
WRITE OUTFILE="C:\\temp\\вычисл прогноза.sps"
/"COMPUTE mypre=",p1," + a*",p2," + b*",p3,".".
EXECUTE.
GET FILE='c:\\temp\\данные.sav'.
INCLUDE FILE="C:\\temp\\вычисл прогноза.sps".
EXECUTE.