|
|
- Raili Jääskeläinen
- 8 vuotta sitten
- Katselukertoja:
Transkriptio
1 Erkki K. Laitinen, professori Laskentatoimen ja rahoituksen yksikkö Luento löytyy netistä: Luennon aiheet: 1. Faktorianalyysi 2. Logistinen regressioanalyysi 1. FAKTORIANALYYSI Luennon sisältö: 1.1. Faktorianalyysin idea 1.2. Faktorianalyysin vaiheet 1.3. Faktorianalyysin muodot 1.4. Peruskäsitteet 1.5. Esimerkit 1
2 2
3 3
4 1.1. Faktorianalyysin idea - havaintoaineisto: havaintoja enemmän kuin muuttujia, n > m - useita keskenään korreloivia kvantitatiivisia muuttujia - tavoitteena löytää havaintoyksikön ominaisuuksia kuvaavasta muuttujajoukosta: - piileviä yhdenmukaisuuksia: faktoreita = keskenään korreloivia muuttujia ja niiden painotettuja yhdistelmiä - tulkita faktorit ja käyttää niitä jatkoanalyyseissä Havaintomatriisi: Havainto Muuttuja 1 Muuttuja 2... Muuttuja m n - esimerkiksi 1: - mitataan havaittua ympäristön epävarmuutta (PEU, perceived environmental uncertainty) - kuinka hyvin pystytään ennustamaan kehitystä 7 eri osaalueella (tuotteet, hinnat, työvoima, teknologia,...) - vastaukset asteikolla 1 = ei yhtään... 5 = täysin = construct = "konstruktio" = mittaristo - yhdistetään vastausten informaatio yhdeksi faktoriksi - käytetään tätä faktoria selittämään laskentajärjestelmien käyttöönottoa - esimerkiksi 2: - yrityksen taloudellista tilaa mitataan 20 tunnusluvulla - näistä tunnusluvuista löytyy viisi erillistä ulottuvuutta - yhdistetään tunnuslukujen informaatio viiteen faktoriin - valitaan kutakin faktoria vastaava paras tunnusluku - tunnuslukujen määrä karsiutuu viiteen 4
5 - perusidea siis: - faktorianalyysi tutkii muuttujien välisiä suhteita - korrelaatioiden perusteella muuttujat pelkistetään muutamaan harvaan faktoriin - ne muuttujat, joiden välillä on voimakas korrelaatio ja jotka ovat käsitteellisesti lähellä toisiaan, mittaavat samaa taustalla olevaa ulottuvuutta, faktoria 1.2. Faktorianalyysin vaiheet - hypoteesien (teorian) kehittäminen ilmiön ulottuvuuksista - määrä - luonne - riippuvuus - tutkittavan havaintoyksikön ja niiden lukumäärän (n) valinta - mitattavien muuttujien (ominaisuuksien) valinta: m - muuttujien mittaaminen - korrelaatioiden tutkiminen - faktorointi - faktoreiden (dimensioiden) lukumäärästä päättäminen - faktoreiden rotatointi - faktoreiden tulkinta - faktoripistemäärien muodostaminen - jatkoanalyysien tekeminen 5
6 1.3. Faktorianalyysin muodot - 1) eksploratiivinen faktorianalyysi (EFA) - perusidea siis: - muuttujien korrelaatiorakenteen selittäminen (exploratory factor analysis) - aineiston dimensioiden etsintä - muuttujien määrän vähentäminen - ei hypoteeseja - "aineistolähtöinen" - exploratiivinen - pyritään kuvaamaan aineistoa muuttujia harvalukuisemmilla faktoreilla - pyritään etsimään muuttujajoukosta faktoreita, jotka pystyvät selittämään havaittujen muuttujien vaihtelua ilman, että tutkijalla on etukäteen vahvoja odotuksia löydettävien faktoreiden määrästä tai niiden tulkinnasta - 2) konfirmatorinen faktorianalyysi (CFA) - perusidea siis: - faktorien lukumäärää ja rakennetta koskevien hypoteesien testaus (confirmatory factor analysis) - aineiston dimensioiden testaus - hypoteesien, teorian testaus - "rakenneteorialähtöinen" - konfirmatorinen - tutkijalla on jo etukäteen teorian pohjalta muodostettu käsitys aineiston faktorirakenteesta 6
7 - analyysin tehtävänä on joko varmistaa tai kumota tämä käsitys empiirisen aineiston pohjalta - 3) rakenneyhtälömallianalyysi (SEM) - perusidea siis: - faktoreiden välisten kausaalisten suhteiden testaus regressioanalyysin avulla (structural equation models) - dimensioiden välisten kausaalisuhteiden testaus - kausaalimallin testaus - "kausaaliteorialähtöinen" - SEM: rakenneyhtälöanalyysi - faktorit, kausaalisuus, regressioanalyysi - AMOS, LISREL, PLS - konfirmatorisen faktorianalyysin laajennus, jossa yhdistyvät faktorija regressioanalyysi - regressioanalyysin avulla tutkitaan faktoreiden välistä kausaalisuutta 1.4. Peruskäsitteet - faktori (factor) - piilomuuttuja: sitä ei voida suoraan havainnoida, vaan sen olemassaolo päätellään ainoastaan havaittujen muuttujien avulla - hypoteettinen konstruktio tai teoreettinen käsite, jonka olemassaolo päätellään konkreettisista havainnoista - käytännössä faktorin muodostaa joukko muuttujia, jotka korreloivat vahvasti keskenään, mutta vähän muiden muuttujien kanssa. - muuttujan saama lataus faktorilla (loading) - muuttujan ja faktorin välinen korrelaatio (-1 < lataus < 1) 7
8 - jos korrelaatio on itseisarvoltaan suuri, sanotaan muuttujan latautuvan faktorille - latauksen neliö vastaa siten selitysosuutta eli kertoo, kuinka suuren osan tietyn muuttujan vaihtelusta laskettu faktori pystyy kattamaan - faktorilatausmatriisi: kunkin faktorianalyysissä mukana olleen muuttujan korrelaatio laskettujen faktoreiden kanssa Faktorit: Muuttujat: F 1... F k Summa X 1 2 lataus 11 2 lataus 1k komm 1 X 2 2 lataus 21 2 lataus 2k komm 2.. X m 2 lataus m1 2 lataus mk komm m Summa omarvo 1... omarvo k - muuttujan kommunaliteetti (communality) - latausten neliöiden (selitysasteiden) summa rivin (faktoreiden) yli - osoittaa kuinka paljon faktorit yhteensä selittävät muuttujan vaihtelusta - faktorin ominaisarvo (eigenvalue) - latausten neliöiden (selitysasteiden) summa sarakkeen (muuttujien) yli - kun jaetaan muuttujien lukumäärällä m, saadaan faktorin selitysaste - se osoittaa kuinka suuren osan faktori selittää kaikkien muuttujien vaihtelusta - kriteeri faktorin mukaanotolle - faktoreiden selitysasteiden summa: koko mallin selitysaste - faktoreiden lukumäärä perustuu ominaisarvoon: - Cattelin scree-testi: käännepiste - Kaiser-Guttman: < 1 8
9 - havaintoyksikön faktoripistemäärä (factor score) - havainnon arvo uudella tiivistetyllä muuttujalla, faktorilla - painotettu keskiarvo alkuperäisten muuttujien standardoiduista arvoista - painoina faktorilataukset - faktoripistemäärien keskiarvo = 0 - faktoriratkaisun rotatointi (rotation) - tulkinnan helpottaminen - kierretään faktorien muodostamaa koordinaatistoa muuttujajoukossa siten, että saadaan jonkin kriteerin mukaan paras ratkaisu - eräs kriteeri parhaalle ratkaisulle on "yksinkertainen rakenne" (simple structure), jossa kukin muuttuja latautuu selvästi vain yhdellä faktorilla - esimerkiksi varimax: maksimoidaan latausten neliöiden varianssit kullakin faktorilla ("varimax") - pyritään saamaan samalle faktorille mahdollisimman suuria ja mahdollisimman pieniä latauksia, jolloin niiden 9
10 (latausten faktorimatriisin sarakkeilla) vaihtelu, varianssi, on niin suuri kuin mahdollista - selitysosuuksien summa pysyy ennallaan - selitysosuuden jakautuminen faktoreille muuttuu - rotaatio voi olla suorakulmainen (orthogonal) tai vino (oblique) - suorakulmaisessa rotaatiossa faktorit toisistaan riippumattomia - vinokulmaisessa ei riippumattomia Optio VARIMAX Rotatointimenetelmät (ROTATION-optio) Menetelmä Varimax-rotatointi QUARTIMAX Quartimax-rotatointi EQUAMAX Equamax-rotatointi ORTHOMAX PARSIMAX HK PROMAX NONE yleinen ortomax-rotatointi GAMMA-option määrittämällä painolla. Suorakulmainen Parsimax-rotatointi Harris-Kaiser II. orthoblique-rotatointi Promax-rotatointi ei rotatoida - estimointimenetelmä - menetelmä, jonka avulla faktoriratkaisu estimoidaan - esimerkiksi: - suurimman uskottavuuden-menetelmä (maximum likelihood factor analysis) - pääakselimenetelmä (principal factor analysis) - pääkomponenttianalyysi (principal component analysis) 10
11 1.5. ESIMERKKI: KASVIHUONEYRITYSTEN TALOUDELLISET DIMENSIOT HAVAINTOAINEISTO Yritykset: 178 kasvihuonealan yritystä Muuttujat: OMAVARAS VPTAKA MYSAKN OVELKN RAHTULPR QUICKRAT QURRAT OMAPOPR TULOSPR JALARPR KKATEPR TUOTTOPR LVAIHTO TASELSU LVKASVU TASKASVU OMAVARAISUUSASTE RAHOITUSTULOS / VPO MYYNTISAAMISTEN KIERTOAIKA OSTOVELKOJEN KIERTOAIKA RAHOITUSTULOS-% QUICK RATIO CURRENT RATIO OMAN PÄÄOMAN TUOTTO-% TULOS-% LIIKEVAIHDOSTA JALOSTUSARVO-% KÄYTTÖKATE-% PÄÄOMAN TUOTTO-% LIIKEVAIHTO TASEEN LOPPUSUMMA LIIKEVAIHDON KASVU-% TASEEN KASVU-% TUTKIMUKSEN ONGELMA a) Kysymys: mitä dimensioita aineistosta löytyy? miten voisit karsia muuttujien lukumäärää? - exploratiivinen faktorianalyysi b) Mahdollista: miettiä rakenneteoriaa etukäteen - tilinpäätösanalyysin teoria - dimensiot: koko, kasvu, kannattavuus, rahoitus 11
12 Havaintoaineiston muuttujat Mahdolliset faktorit 1. koko 2. kasvu 3. kannattavuus 4. rahoitus - konfirmatorinen faktorianalyysi c) Mahdollista: miettiä kausaalista teoriaa etukäteen - tilinpäätösanalyysin ja rahoituksen teoria - hypoteesit: - samat faktorit - koko vaikuttaa kasvuun - kasvu ja kannattavuus vaikuttavat rahoitukseen - kasvu ja kannattavuus vaikuttavat toisiinsa koko kasvu rahoitus kannattavuus - rakenneyhtälömallitarkastelu (SEM) 12
13 ANALYYSIN VAIHEET VAIHE a): KESKIARVOT JA HAJONNAT Simple Statistics Variable N Mean Std Dev Sum Minimum Maximum OMAVARAS VPTAKA MYSAKN OVELKN RAHTULPR QUICKRAT QURRAT OMAPOPR TULOSPR JALARPR KKATEPR TUOTTOPR LVAIHTO TASELSU LVKASVU TASKASVU outlierit 13
14 VAIHE b): KORRELAATIOT Pearson Correlation Coefficients Prob > r under H0: Rho=0 Number of Observations OMAVARAS VPTAKA MYSAKN OVELKN OMAVARAS OMAVARAISUUSASTE < VPTAKA RAHOITUSTULOS / VPO < MYSAKN MYYNTISAAMISTEN KIERTOAIKA OVELKN OSTOVELKOJEN KIERTOAIKA RAHTULPR RAHOITUSTULOS-% QUICKRAT QUICK RATIO <.0001 < < QURRAT CURRENT RATIO <.0001 < < OMAPOPR OMAN PÄÄOMAN TUOTTO-% TULOSPR TULOS-% LIIKEVAIHDOSTA < JALARPR JALOSTUSARVO-% KKATEPR KÄYTTÖKATE-% < TUOTTOPR PÄÄOMAN TUOTTO-% <.0001 < OMAVARAS OMAVARAISUUSASTE <.0001 <
15 VPTAKA RAHOITUSTULOS / VPO <.0001 < MYSAKN MYYNTISAAMISTEN KIERTOAIKA OVELKN OSTOVELKOJEN KIERTOAIKA <.0001 < RAHTULPR RAHOITUSTULOS-% QUICKRAT QUICK RATIO < QURRAT CURRENT RATIO < OMAPOPR OMAN PÄÄOMAN TUOTTO-% runsaasti: vaikea saada kokonaiskuvaa VAIHE c): FAKTORIT The FACTOR Procedure Initial Factor Method: Principal Components Prior Communality Estimates: ONE OMINAISARVOT Eigenvalues of the Correlation Matrix: Total = 16 Average = 1 Eigenvalue Difference Proportion Cumulative
16 4 factors will be retained by the NFACTOR criterion. - faktorien määrä rajattiin neljään FAKTORIT PERUSMUODOSSA Factor Pattern Factor1 Factor2 OMAVARAS OMAVARAISUUSASTE VPTAKA RAHOITUSTULOS / VPO MYSAKN MYYNTISAAMISTEN KIERTOAIKA OVELKN OSTOVELKOJEN KIERTOAIKA RAHTULPR RAHOITUSTULOS-% QUICKRAT QUICK RATIO QURRAT CURRENT RATIO OMAPOPR OMAN PÄÄOMAN TUOTTO-% TULOSPR TULOS-% LIIKEVAIHDOSTA JALARPR JALOSTUSARVO-% KKATEPR KÄYTTÖKATE-% TUOTTOPR PÄÄOMAN TUOTTO-% LVAIHTO LIIKEVAIHTO TASELSU TASEEN LOPPUSUMMA LVKASVU LIIKEVAIHDON KASVU-% TASKASVU TASEEN KASVU-% Factor3 Factor4 OMAVARAS OMAVARAISUUSASTE VPTAKA RAHOITUSTULOS / VPO MYSAKN MYYNTISAAMISTEN KIERTOAIKA OVELKN OSTOVELKOJEN KIERTOAIKA RAHTULPR RAHOITUSTULOS-% QUICKRAT QUICK RATIO QURRAT CURRENT RATIO OMAPOPR OMAN PÄÄOMAN TUOTTO-% TULOSPR TULOS-% LIIKEVAIHDOSTA JALARPR JALOSTUSARVO-% KKATEPR KÄYTTÖKATE-% TUOTTOPR PÄÄOMAN TUOTTO-% LVAIHTO LIIKEVAIHTO TASELSU TASEEN LOPPUSUMMA LVKASVU LIIKEVAIHDON KASVU-% TASKASVU TASEEN KASVU-% OMINAISARVOT Variance Explained by Each Factor Factor1 Factor2 Factor3 Factor
17 KOMMUNALITEETIT Final Communality Estimates: Total = OMAVARAS VPTAKA MYSAKN OVELKN RAHTULPR QUICKRAT QURRAT OMAPOPR TULOSPR JALARPR KKATEPR TUOTTOPR LVAIHTO TASELSU LVKASVU TASKASVU
18 ROTATOINTI: VARIMAX The FACTOR Procedure Rotation Method: Varimax Orthogonal Transformation Matrix Rotated Factor Pattern Factor1 Factor2 OMAVARAS OMAVARAISUUSASTE VPTAKA RAHOITUSTULOS / VPO MYSAKN MYYNTISAAMISTEN KIERTOAIKA OVELKN OSTOVELKOJEN KIERTOAIKA RAHTULPR RAHOITUSTULOS-% QUICKRAT QUICK RATIO QURRAT CURRENT RATIO OMAPOPR OMAN PÄÄOMAN TUOTTO-% TULOSPR TULOS-% LIIKEVAIHDOSTA JALARPR JALOSTUSARVO-% KKATEPR KÄYTTÖKATE-% TUOTTOPR PÄÄOMAN TUOTTO-% LVAIHTO LIIKEVAIHTO TASELSU TASEEN LOPPUSUMMA LVKASVU LIIKEVAIHDON KASVU-% TASKASVU TASEEN KASVU-% Rotated Factor Pattern Factor3 Factor4 OMAVARAS OMAVARAISUUSASTE VPTAKA RAHOITUSTULOS / VPO MYSAKN MYYNTISAAMISTEN KIERTOAIKA OVELKN OSTOVELKOJEN KIERTOAIKA RAHTULPR RAHOITUSTULOS-% QUICKRAT QUICK RATIO QURRAT CURRENT RATIO OMAPOPR OMAN PÄÄOMAN TUOTTO-% TULOSPR TULOS-% LIIKEVAIHDOSTA JALARPR JALOSTUSARVO-% KKATEPR KÄYTTÖKATE-% TUOTTOPR PÄÄOMAN TUOTTO-% LVAIHTO LIIKEVAIHTO TASELSU TASEEN LOPPUSUMMA LVKASVU LIIKEVAIHDON KASVU-% TASKASVU TASEEN KASVU-%
19 Tulkinta: 1. Faktori: KANNATTAVUUS MITTARI: käyttökate-% 2. Faktori: TAKAISINMAKSUKYKY MITTARI: current ratio 3. Faktori: KOKO MITTARI: taseen loppusumma 4. Faktori: KASVU MITTARI: taseen kasvu-% OMINAISARVOT Variance Explained by Each Factor Factor1 Factor2 Factor3 Factor : 16 = m 25.0 % 20.2 % 14.0 % 8.4 % KOMMUNALITEETIT Final Communality Estimates: Total = OMAVARAS VPTAKA MYSAKN OVELKN RAHTULPR QUICKRAT QURRAT OMAPOPR TULOSPR JALARPR KKATEPR TUOTTOPR LVAIHTO TASELSU LVKASVU TASKASVU
20 FAKTORIPISTEMÄÄRIEN LASKEMINEN Scoring Coefficients Estimated by Regression Squared Multiple Correlations of the Variables with Each Factor Factor1 Factor2 Factor3 Factor Standardized Scoring Coefficients Factor1 Factor2 OMAVARAS OMAVARAISUUSASTE VPTAKA RAHOITUSTULOS / VPO MYSAKN MYYNTISAAMISTEN KIERTOAIKA OVELKN OSTOVELKOJEN KIERTOAIKA RAHTULPR RAHOITUSTULOS-% QUICKRAT QUICK RATIO QURRAT CURRENT RATIO OMAPOPR OMAN PÄÄOMAN TUOTTO-% TULOSPR TULOS-% LIIKEVAIHDOSTA JALARPR JALOSTUSARVO-% KKATEPR KÄYTTÖKATE-% TUOTTOPR PÄÄOMAN TUOTTO-% LVAIHTO LIIKEVAIHTO TASELSU TASEEN LOPPUSUMMA LVKASVU LIIKEVAIHDON KASVU-% TASKASVU TASEEN KASVU-% Standardized Scoring Coefficients Factor3 Factor4 OMAVARAS OMAVARAISUUSASTE VPTAKA RAHOITUSTULOS / VPO MYSAKN MYYNTISAAMISTEN KIERTOAIKA OVELKN OSTOVELKOJEN KIERTOAIKA RAHTULPR RAHOITUSTULOS-% QUICKRAT QUICK RATIO QURRAT CURRENT RATIO OMAPOPR OMAN PÄÄOMAN TUOTTO-% TULOSPR TULOS-% LIIKEVAIHDOSTA JALARPR JALOSTUSARVO-% KKATEPR KÄYTTÖKATE-% TUOTTOPR PÄÄOMAN TUOTTO-% LVAIHTO LIIKEVAIHTO TASELSU TASEEN LOPPUSUMMA LVKASVU LIIKEVAIHDON KASVU-% TASKASVU TASEEN KASVU-% JATKOANALYYSI 20
21 RYHMÄT SUURIMMAN FAKTORIPISTEMÄÄRÄN MUKAAN The FREQ Procedure Cumulative Cumulative FAKTORI Frequency Percent Frequency Percent klusterointi KORRELAATIOT JA LISÄMUUTTUJA: IKÄ The CORR Procedure 5 Variables: Factor1 Factor2 Factor3 Factor4 IKA Simple Statistics Variable N Mean Std Dev Sum Minimum Maximum Factor Factor Factor Factor IKA Pearson Correlation Coefficients Prob > r under H0: Rho=0 Number of Observations Factor1 Factor2 Factor3 Factor4 IKA Factor Factor Factor < Factor IKA <
22 FAKTORIANALYYSIN JA REGRESSIOANALYYSIN YHDISTÄMINEN 1. PLS - osittaisen pienimmän neliösumman regressio (PLS, partial least squares regression) muistuttaa faktorianalyysiä, mutta siihen yhdistyy myös regressioanalyysi - menetelmälle on olennaista se, että siinä etsitään sellainen faktoriratkaisu, joka selittää tehokkaimmin ennustettavaa muuttujaa - esimerkiksi selitetään binääristä 0/1-muuttujalla mitattua maksuhäiriötunnusta tunnusluvuilla: tuloksena saadaan faktorit, jotka selittävät tehokkaimmin maksuhäiriötä - pienet otokset: havaintoja voi olla vähemmän kuin muuttujia Tunnuslukujen ja PLS-faktoreiden korrelaatio: PLS-faktori 1 PLS-faktori 2 Maksuhäiriötunnus <.0001 <.0001 Logaritminen liikevaihto <.0001 <.0001 Liikevaihdon kasvu-% <.0001 <.0001 Pääoman tuotto-% <.0001 <.0001 Nettotulos-% <.0001 <.0001 Quick ratio <.0001 <.0001 Rahoitustulos-% <.0001 <.0001 Omavaraisuusaste <.0001 <.0001 Takaisinmaksukyky <.0001 <
23 - PLS löytyy SPSS:sta (extended version) regressioanalyysistä: - PLS on varsinaisesti polkumalli, mutta sitä voidaan pitää myös SEM-mallina. Siihen löytyy hyvä ilmaisohjelma netistä, SMARTPLS 2. SEM - moniyhtälömalli tai rakenneyhtälömalli (structural equation model, SEM) koostuu muuttujista, faktoreista, riippuvuuksista - kuvataan kausaalisesti eri muuttujien tai niiden yhdistelmien (faktoreiden, konstruktioiden) väliset suhteet - SPSS sisältää AMOS-nimisen SEM-mallin (lisävarusteena) 23
24 SEM: Esimerkki AMOS-mallista: yksinkertainen selitysmalli 24
25 SEM: Esimerkki AMOS-mallista: monimutkainen selitysmalli 25
26 Entä logistinen regressionanalyysi? 26
27 27
28 2. LOGISTINEN REGRESSIOANALYYSI - esimerkkinä maksuhäiriön ennustaminen Luennon sisältö: 2.1. Ennustettava muuttuja 2.2. Selittävät muuttujat 2.3. Otanta 2.4. Menetelmä 2.5. Testaus 2.6. Esimerkki Menetelmän soveltamisen idea: - pyritään ymmärtämään maksuhäiriöprosessi - selitetään prosessin tulosta - prosessia kuvaavilla tekijöillä - ja mallinnetaan se - testataan malli luotettavuuden selvittämiseksi 2.1. Ennustettava muuttuja - maksuhäiriöprosessin tulos - mahdollisimman yksikäsitteinen ja selkeä - tavallisesti: "maksusitoumus jätetty hoitamatta sen tullessa maksuun" - vakavuudelta olennainen (riski rahoittajalle) - suhteellisen homogeeninen - konkurssi, saneeraus - maksuhäiriö, vakava - maksuviive 28
29 2.2. Selittävät muuttujat - ymmärretään maksuhäiriöprosessi: "käytettävissä oleva rahoitus ei riitä maksuvelvoitteiden hoitamiseen" - maksukyvyttömyys - ilmiö: Velvoitteet: - ostot - palkat - vuokrat - korot - verot = rahoitustulos Rahoitus: - tulot - rahoitusomaisuuden käyttö - lyhytaikaisen velan lisäys - (sisäsyntyisen) ilmiön selittäjät: - pitkäaikaisen velan lisäys - oman pääoman lisäys - rahoitustulos - rahoitustulos / liikevaihto - pääoman tuottosuhde - kasvunopeus - omavaraisuusaste - vuokra/osto - rahoitusomaisuus ja 29
30 - lyhytaikaiset velat - quick ratio - omavaraisuusaste - pitkäaikaiset velat - omavaraisuusaste - koko - oma pääoma - omistajan varallisuus - yhtiömuoto - koko - muut tekijät (ulkoiset tekijät): default correlation - riippuvuus muista yrityksistä - riskikeskittymät, ketjureaktio - arvoketju - omistus - (vakava) ilmiö prosessina: - pohjana heikko omavaraisuusaste - < % - tuottoprosentti heikkenee - < 5-7 % - tai kasvu liian nopea - > % - rahoitustulos heikkenee - < 0-1 % - quick ratio heikkenee - < rahoitus ei riitä - prosessi vaikeasti havaittavissa - jos ilmiö ei vakava - sattumat - nopeus - ulkoiset tekijät keskeisiä - henkilöyhtiö 30
31 2.3. Otanta - vastinpareittainen otanta, jos halutaan eliminoida - koko - toimiala - suhdanteet - satunnainen otanta, jos halutaan pitää ne mallissa - riittävä otos, noin 100 häiriöllistä - ei mukaan epäpuhtaita tapauksia - tahalliset - rikolliset - arvoitukset - terveitäkin karsitaan - poikkeuksellisen heikot - keinotekoiset - ajankohta (esimerkiksi suhdannevaihe) - ei poikkeava ajankohta: edustava - ei ratkaisevaa vaikutusta - aikaviive ilmiön (eventin) ja selittävien mittauksen välillä (tilinpäätös ---- häiriö) - kiinnitetään - suhteellisen vakio 2.4. Menetelmä - logistinen regressioanalyysi logit = a + b 1 X 1 + b 2 X lineaarinen riskin mittari: logit - kompensaatio - a, b i vakio ja regressiokertoimet - X i selittävät tekijät - vertaa regressioanalyysi! - mutta: logistinen muunnos 31
32 - muunnetaan ehdolliseksi todennäköisyydeksi kuulua johonkin luokkaan todennäköisyys = 1/[1+exp(-logit)] logit todennäköisyys - esimerkiksi todennäköisyys kuulua maksuhäiriöisiin yrityksiin - muuttujien ei tarvitse noudattaa normaalijakaumaa - keskeisten muuttujien pakottaminen - eteenpäin askeltava - ensin paras - muiden selityskyky - Khii toiseen - muuttujia 4-7 kpl - osa dummy-muuttujia - toimiala - ikä - muuttaa riskitasoa - muuttujien etumerkit - muuttujien merkitys: Waldin testi, Khii toiseen (t-testi approximaatiot) - mallin hyvyys -2 Log likelihood (goodness of fit) Schwartzin kriteeri (goodness of fit) Cox & Snell R-Square (selitysaste) Nagelkerke R-Square (selitysaste Hosmer & Lemeshowin test (luokittelu) Coefficient of concordance (yhteensopivuus) 32
33 2.5. Testaus - estimointiaineisto ja testiaineisto - testiaineisto tärkeä - isoja, pieniä - eri toimialoja - Lachenbruchin ristiinvalidointi: - ei testiaineistoa - havainto otetaan pois estimoinnista - tämä havainto luokitellaan estimoidulla mallilla - jne 2.6. Esimerkki: saneeraukseen hakemisen ennustaminen (maksukyvyttömyys) - Voitto plus tietokanta (SAT) - 47 saneeraukseen hakenutta yritystä tervettä yritystä - ei vastinparimenettelyä Tiedoston muuntaminen - syntax muoto: helppo tehdä muutoksia ja monistaa DATA SANEERA1; INFILE 'sandata1.dat' LRECL=1000; INPUT X1 TILIKP YH X3 $ VUOSI X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X15 X16 X17 X18 X19 X20 X21 X22 X23 X24 X25 X26 X27 X28 X29 X30 X31 X32 X33 X34 X35 X36 X37 X38 X39 X40 X41 X42 X43 X44 X45 X46 X47 X48 X49 X50 X51 X52 X53 X54 X55 X56 X57 X58 X59 X60 X61 X62 X63 X64 X65 X66 X67 X68 X69 X70 X71 X72 X73 X74 X75 X76 X77 X78 X79 X80 X81 X82 X83 X84 X85 X86 X87 X88 X89 X90 X91 X92 X93 X94 X95 X96 X97 X98 X99 X100 X101 X102 X103 X104 X105 X106; M = 12/TILIKP; /* TULOSLASKELMA */ /*LISÄTTY MUUT LIIKET TUOTOT*/ LVAIHTO = (X6+X9)*M; ULKPAL = -X13*M; HLOMKUL = -X14*M; 33
34 MKATE = X16*M; HLOKKUL = -X18*M; VUOKRAT = -X19*M; KKATE = X21*M; /* TASE */ /* OMAISUUS */ PERMENOT = X43; TUTMENOT = X44; AINOIK = X45; LIIARVO = X46; MUPIME=X47; /* KANNATTAVUUS */ TUOTTOPR = 100*(TULEVV + KORKKUL)/TASELSU; /* MAKSUVALMIUS */ /* PERINTEINEN */ RAHOM = X65+X66+X67+X68+X69+X70+X71+X72+X73+X74; VOM = X61+X62+X63+X64; LYVELAT = X99+X100+X101+X102+X103+X104+X105; QURRAT = (RAHOM+VOM)/(LYVELAT); QUICKRAT = RAHOM/(LYVELAT-LVENNAK); /* DYNAAMINEN */ RAHTULOS = TULEVV+POISTOT-VVEROT; RAHTULPR = 100*RAHTULOS/LVAIHTO; Aineiston arviointi PROC SORT; BY TUNNUS; PROC MEANS; VAR VUOSI LVAIHTO TASELSU LVKASVU TASKASVU RAHTULPR QUICKRAT OVELKN TULOSPR TUOTTOPR OMAVARAS VPTAKA ZLUKU; BY TUNNUS; TUNNUS=0 The MEANS Procedure Variable N Mean Std Dev Minimum Maximum VUOSI LVAIHTO TASELSU LVKASVU TASKASVU RAHTULPR QUICKRAT OVELKN TULOSPR TUOTTOPR OMAVARAS VPTAKA ZLUKU
35 TUNNUS=1 Variable N Mean Std Dev Minimum Maximum LVAIHTO TASELSU LVKASVU TASKASVU RAHTULPR QUICKRAT OVELKN TULOSPR TUOTTOPR OMAVARAS VPTAKA ZLUKU Logistinen regressioanalyysi PROC LOGISTIC; MODEL TUNNUS2 = LVAIHTO TASELSU LVKASVU TASKASVU RAHTULPR QUICKRAT OVELKN TULOSPR TUOTTOPR OMAVARAS VPTAKA / SELECTION=STEPWISE SLENTRY=0.15 SLSTAY=0.15 DETAILS CTABLE MAXSTEP=10; The LOGISTIC Procedure Model Information Data Set WORK.KASVIAA Response Variable TUNNUS2 Number of Response Levels 2 Number of Observations 306 Link Function Logit Optimization Technique Fisher's scoring Response Profile Ordered Total Value TUNNUS2 Frequency NOTE: 198 observations were deleted due to missing values for the response or explanatory variables. 35
36 Stepwise Selection Procedure Step 0. Intercept entered: Model Convergence Status Convergence criterion (GCONV=1E-8) satisfied. Analysis of Maximum Likelihood Estimates Parameter DF Estimate Standard Error Chi-Square Pr > ChiSq Intercept <.0001 Residual Chi-Square Test Chi-Square DF Pr > ChiSq <.0001 Analysis of Effects Not in the Model Effect Score DF Chi-Square Pr > ChiSq LVAIHTO TASELSU LVKASVU TASKASVU RAHTULPR QUICKRAT OVELKN TULOSPR TUOTTOPR OMAVARAS <.0001 VPTAKA Step 1. Effect OMAVARAS entered: Model Convergence Status Convergence criterion (GCONV=1E-8) satisfied. Model Fit Statistics Intercept Intercept and Criterion Only Covariates AIC SC Log L
Lumipallo regressioanalyysista. Logistinen regressioanalyysi. Soveltuvan menetelmän valinta. Regressioanalyysi. Logistinen regressioanalyysi I
Lumipallo regressioanalyysista jokainen kirjoittaa lapulle yhden lauseen regressioanalyysista ja antaa sen seuraavalle Logistinen regressioanalyysi Y250. Kvantitatiiviset menetelmät (6 op) Hanna Wass tutkijatohtori
Lisätiedot805306A Johdatus monimuuttujamenetelmiin, 5 op
monimuuttujamenetelmiin, 5 op syksy 2018 Matemaattisten tieteiden laitos Faktorianalyysi (Factor analysis) Faktorianalyysi jaetaan perinteisesti kahteen osaan Eksploratiiviseen (explorative factor analysis)
LisätiedotGraph. COMPUTE x=rv.normal(0,0.04). COMPUTE y=rv.normal(0,0.04). execute.
COMPUTE x=rv.ormal(0,0.04). COMPUTE y=rv.ormal(0,0.04). execute. compute hplib_man_r = hplib_man + x. compute arvokons_man_r = arvokons_man + y. GRAPH /SCATTERPLOT(BIVAR)=hplib_man_r WITH arvokons_man_r
LisätiedotProspektiteoreettinen näkökulma
Miten paljon saneerausohjelmien onnistumiseen vaikuttaa yrittäjän kannustimet? Prospektiteoreettinen näkökulma Tapio Laakso 29.1.2010 Onnistumisen hyöty yrittäjälle vs. keskeytymisriski (Selvittäjän rooli?
LisätiedotFrequencies. Frequency Table
GET FILE='C:\Documents and Settings\haukkala\My Documents\kvanti\kvanti_harjo'+ '_label.sav'. DATASET NAME DataSet WINDOW=FRONT. FREQUENCIES VARIABLES=koulv paino /ORDER= ANALYSIS. Frequencies [DataSet]
LisätiedotOngelma: Poikkeaako perusjoukon suhteellinen osuus vertailuarvosta?
Yhden otoksen suhteellisen osuuden testaus Ongelma: Poikkeaako perusjoukon suhteellinen osuus vertailuarvosta? Hypoteesit H 0 : p = p 0 H 1 : p p 0 tai H 1 : p > p 0 tai H 1 : p < p 0 Suhteellinen osuus
LisätiedotHealth 2000/2011 Surveys. Statistical Analysis using SAS and SAS-Callable SUDAAN Packages 17.6.2013. Esa Virtala. etunimi.sukunimi@thl.
Health 2000/2011 Surveys Statistical Analysis using SAS and SAS-Callable SUDAAN Packages 17.6.2013 Esa Virtala etunimi.sukunimi@thl.fi Terveyden ja hyvinvoinnin laitos (THL) PL 30 00271 Helsinki Puhelin:
LisätiedotVARIANSSIANALYYSI ANALYSIS OF VARIANCE
VARIANSSIANALYYSI ANALYSIS OF VARIANCE 1 Suomalaisten aikuisten pituusjakauma:.8.7.6.5.4.3.2.1 14 15 16 17 18 19 2 21 Jakauma ei ole normaali, sen olettaminen sellaiseksi johtaa virheellisiin päätelmiin.
Lisätiedot[MTTTA] TILASTOMENETELMIEN PERUSTEET, KEVÄT 209 https://coursepages.uta.fi/mttta/kevat-209/ HARJOITUS 5 viikko 8 RYHMÄT: ke 2.5 3.45 ls. C6 Leppälä to 08.30 0.00 ls. C6 Korhonen to 2.5 3.45 ls. C6 Korhonen
LisätiedotTKMS7a-f/LRS20a-f/MAS2/KVS2/TMS82a-f/JOM/TJM/YRM Monimuuttujamenetelmien soveltaminen taloustieteissä. Tentti
TKMS7a-f/LRS20a-f/MAS2/KVS2/TMS82a-f/JOM/TJM/YRM Monimuuttujamenetelmien soveltaminen taloustieteissä Tentti 13.5.2014 Moduuli a: Faktorianalyysi Jos olet samaa mieltä esitetyn väitteen kanssa vastaa K,
LisätiedotEsim Brand lkm keskiarvo keskihajonta A ,28 5,977 B ,06 3,866 C ,95 4,501
Esim. 2.1.1. Brand lkm keskiarvo keskihajonta A 10 251,28 5,977 B 10 261,06 3,866 C 10 269,95 4,501 y = 260, 76, n = 30 SS 1 = (n 1 1)s 2 1 = (10 1)5, 977 2 321, 52 SS 2 = (n 2 1)s 2 2 = (10 1)3, 8662
LisätiedotTässä harjoituksessa käydään läpi R-ohjelman käyttöä esimerkkidatan avulla. eli matriisissa on 200 riviä (havainnot) ja 7 saraketta (mittaus-arvot)
R-ohjelman käyttö data-analyysissä Panu Somervuo 2014 Tässä harjoituksessa käydään läpi R-ohjelman käyttöä esimerkkidatan avulla. 0) käynnistetään R-ohjelma Huom.1 allaolevissa ohjeissa '>' merkki on R:n
LisätiedotHarjoittele tulkintoja
Harjoittele tulkintoja Syksy 9: KT (55 op) Kvantitatiivisen aineiston keruu ja analyysi SPSS tulosteiden tulkintaa/til Analyysit perustuvat aineistoon: Haavio-Mannila, Elina & Kontula, Osmo (1993): Suomalainen
LisätiedotData-analyysi II. Sisällysluettelo. Simo Kolppo [Type the document subtitle]
Data-analyysi II [Type the document subtitle] Simo Kolppo 26.3.2014 Sisällysluettelo Johdanto... 1 Tutkimuskysymykset... 1 Aineistojen esikäsittely... 1 Economic Freedom... 1 Nuorisobarometri... 2 Aineistojen
LisätiedotSoveltuvan menetelmän valinta. Kvantitatiiviset menetelmät. Faktorianalyysi. Faktorianalyysi. Faktorianalyysin perusidea.
Kvantitatiiviset menetelmät Soveltuvan menetelmän valinta SELITETTÄVÄ MUUTTUJA Pienryhmäkokoontumisissa tarvitaan EK0- aineiston haastattelulomake. Sen voi tulostaa verkosta. Linkki löytyy kurssin kotisivulta:
Lisätiedot1. PÄÄTTELY YHDEN SELITTÄJÄN LINEAARISESTA REGRESSIOMALLISTA
Mat-2.104 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat Päättely yhden selittäjän lineaarisesta regressiomallista Ennustaminen, Ennuste, Ennusteen luottamusväli, Estimaatti, Estimaattori,
LisätiedotMONIMUUTTUJAMENETELMISTÄ RAKENNEYHTÄLÖMALLINNUKSEEN MUUTTUJIEN NORMAALISUUS. Statistics
MONIMUUTTUJAMENETELMISTÄ RAKENNEYHTÄLÖMALLINNUKSEEN 28.4.2016 MANNE KALLIO 2016 MUUTTUJIEN NORMAALISUUS : Frequencies Statistics Output: Skewness ja kurtosis -1 1 < 2 X std.error Skewnessin ja kurtosiksen
LisätiedotOy Yritys Ab (TALGRAF ESITTELY) TP 5 Tilinpäätös - 5 vuotta - Tuloslaskelma ja tase - katteet
Oy Yritys Ab 1.1.2009-31.12.2013 TP 5 Tilinpäätös - 5 vuotta - Tuloslaskelma ja tase - katteet 7000 7000 6000 6000 5000 5000 4000 4000 3000 3000 2000 2000 1000 1000 1209 KUM TOT. 1210 KUM TOT. 1211 KUM
LisätiedotA250A0050 Ekonometrian perusteet Tentti
A250A0050 Ekonometrian perusteet Tentti 28.9.2016 Tentissä ei saa käyttää laskinta. Tentistä saa max 80 pistettä. Hyväksytysti suoritetusta harjoitustyöstä saa max 20 pistettä. Huom. Merkitse vastauspaperin
LisätiedotYleistetyistä lineaarisista malleista
Yleistetyistä lineaarisista malleista Tilastotiede käytännön tutkimuksessa -kurssi, kesä 2001 Reijo Sund Klassinen lineaarinen malli y = Xb + e eli E(Y) = m, jossa m = Xb Satunnaiskomponentti: Y:n komponentit
LisätiedotKvantitatiiviset menetelmät
Kvantitatiiviset menetelmät HUOM! Tentti pidetään tiistaina.. klo 6-8 V ls. Uusintamahdollisuus on rästitentissä.. ke 6 PR sali. Siihen tulee ilmoittautua WebOodissa 9. 8.. välisenä aikana. Soveltuvan
LisätiedotOHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen analyysi. Luento 3
OHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen analyysi Luento 3 Tutkimussuunnitelman rakenne-ehdotus Otsikko 1. Motivaatio/tausta 2. Tutkimusaihe/ -tavoitteet ja kysymykset
LisätiedotPerusnäkymä yksisuuntaiseen ANOVAaan
Metsämuuronen 2006. TTP Tutkimuksen tekemisen perusteet ihmistieteissä Taulukko.51.1 Analyysiin mukaan tulevat muuttujat Mja selite Merkitys mallissa F1 Ensimmäinen faktoripistemuuttuja Selitettävä muuttuja
Lisätiedotvoidaan hylätä, pienempi vai suurempi kuin 1 %?
[TILTP1] TILASTOTIETEEN JOHDANTOKURSSI, Syksy 2011 http://www.uta.fi/~strale/tiltp1/index.html 30.9.2011 klo 13:07:54 HARJOITUS 5 viikko 41 Ryhmät ke 08.30 10.00 ls. C8 Leppälä to 12.15 13.45 ls. A2a Laine
LisätiedotSisällysluettelo 6 REGRESSIOANALYYSI. Metsämuuronen: Monimuuttujamenetelmien perusteet SPSS-ympäristössä ALKUSANAT... 4 ALKUSANAT E-KIRJA VERSIOON...
Sisällysluettelo ALKUSANAT... 4 ALKUSANAT E-KIRJA VERSIOON...5 SISÄLLYSLUETTELO... 6 LYHYT SANASTO VASTA-ALKAJILLE... 7 1. MONIMUUTTUJAMENETELMÄT IHMISTIETEISSÄ... 9 1.1 MONIMUUTTUJA-AINEISTON ERITYISPIIRTEITÄ...
LisätiedotOtanta-aineistojen analyysi (78136, 78405) Kevät 2010 TEEMA 3: Frekvenssiaineistojen asetelmaperusteinen analyysi: Perusteita
Otanta-aineistojen analyysi (78136, 78405) Kevät 2010 TEEMA 3: Frekvenssiaineistojen asetelmaperusteinen analyysi: Perusteita risto.lehtonen@helsinki.fi OHC Survey Tilastollinen analyysi Kysymys: Millä
Lisätiedot54. Tehdään yhden selittäjän lineaarinen regressioanalyysi, kun selittäjänä on määrällinen muuttuja (ja selitettävä myös):
Tilastollinen tietojenkäsittely / SPSS Harjoitus 5 Tarkastellaan ensin aineistoa KUNNAT. Kyseessähän on siis kokonaistutkimusaineisto, joten tilastollisia testejä ja niiden merkitsevyystarkasteluja ei
LisätiedotA130A0650-K Tilastollisen tutkimuksen perusteet 6 op Tentti / Anssi Tarkiainen & Maija Hujala
Kaavakokoelma, testinvalintakaaviot ja jakaumataulukot liitteinä. Ei omia taulukoita! Laskin sallittu. Tehtävä 1 a) Konepajan on hyväksyttävä alihankkijalta saatu tavaraerä, mikäli viallisten komponenttien
LisätiedotRegressioanalyysi. Vilkkumaa / Kuusinen 1
Regressioanalyysi Vilkkumaa / Kuusinen 1 Regressioanalyysin idea ja tavoitteet Regressioanalyysin idea: Halutaan selittää selitettävän muuttujan havaittujen arvojen vaihtelua selittävien muuttujien havaittujen
LisätiedotEllei tutkijalla ole käsitystä mittauksensa validiteetista ja reliabiliteetista, ei johtopäätöksillä
Lauri Tarkkonen: Validiteetti ja reliabiliteetti 1 Ellei tutkijalla ole käsitystä mittauksensa validiteetista ja reliabiliteetista, ei johtopäätöksillä ole pohjaa. Rakennevaliditeetin estimoiminen 1. Mitattavan
LisätiedotChristina Gustafsson. Tilastollinen tietojenkäsittely STAT2100 IBM SPSS Statistics 22 for Windows Osa 3
Christina Gustafsson Tilastollinen tietojenkäsittely STAT2100 IBM SPSS Statistics 22 for Windows Osa 3 Kevät 2014 SISÄLLYSLUETTELO 9. REGRESSIOSTA... 2 10. EPÄPARAMETRISIA TESTEJÄ... 7 10.1. Kahden riippumattoman
LisätiedotLauri Tarkkonen: Erottelu analyysi
Lauri Tarkkonen: Erottelu analyysi Erotteluanalyysin ongelma on kaksijakoinen:. Mikä havaittujen muuttujien (x i ) lineaarinen yhdistely erottaa mahdollisimman hyvin toisistaan tunnetut ryhmät? Siis selitettävä
LisätiedotOtannasta ja mittaamisesta
Otannasta ja mittaamisesta Tilastotiede käytännön tutkimuksessa - kurssi, kesä 2001 Reijo Sund Aineistot Kvantitatiivisen tutkimuksen aineistoksi kelpaa periaatteessa kaikki havaintoihin perustuva informaatio,
LisätiedotJakaumien merkitys biologisissa havaintoaineistoissa: Löytyykö ratkaisu Yleistetyistä Lineaarisista (Seka)Malleista?
1 Hydrobiologian tutkijaseminaari 20.3.2000 Jakaumien merkitys biologisissa havaintoaineistoissa: Löytyykö ratkaisu Yleistetyistä Lineaarisista (Seka)Malleista? Jari Hänninen Turun yliopisto Saaristomeren
LisätiedotAvainluvut-malli ja taloudellinen analysointi
Avainluvut-malli ja taloudellinen analysointi 2012 Leena Kinanen Vaadi Palvelua Anna palautetta Tuloksiin tilinpidolla Malliyritys Oy 1000 Tilikausi 2009 2010 10/2011 Maksuvalmius 2009 2010 10/2011 Toiminnan
LisätiedotOtanta-aineistojen analyysi
Helsingin yliopisto Otanta-aineistojen analyysi Kevät 2010 Periodi III Risto Lehtonen Teema 4 Asetelmaperusteinen monimuuttujaanalyysi Logistinen ANOVA ja GWLS-estimointi Binäärinen tulosmuuttuja Diskreetit
LisätiedotSurveytutkimusksen Suunnittelu ja Teoreettisten Konstruktioiden Validointi. Seppo Pynnönen Vaasan yliopisto Menetelmätieteiden laitos
Surveytutkimusksen Suunnittelu ja Teoreettisten Konstruktioiden Validointi Seppo Pynnönen Vaasan yliopisto Menetelmätieteiden laitos Teoreettiset konstruktiot Todellisuus Teoria Todellisuuden jäsentely
LisätiedotBALANCE CONSULTING Kiinteistönhoito (811)
BALANCE CONSULTING Tehty.. Sisällysluettelo Toimialan tunnusluvut I Kasvu ja kannattavuus............................... Toimialan tunnusluvut II Pääomantuotto ja käyttöpääoma....................... Toimialan
LisätiedotKvantitatiivinen genetiikka moniste s. 56
Kvantitatiivinen genetiikka moniste s. 56 - määrällisten ominaisuuksien periytymisen hallinta - mendelismi oli aluksi vastatuulessa siksi että darwinistit, joilla oli paljon valtaa Britanniassa, olivat
LisätiedotRegressioanalyysi. Kuusinen/Heliövaara 1
Regressioanalyysi Kuusinen/Heliövaara 1 Regressioanalyysin idea ja tavoitteet Regressioanalyysin idea: Oletetaan, että haluamme selittää jonkin selitettävän muuttujan havaittujen arvojen vaihtelun joidenkin
LisätiedotMTTTP5, luento Luottamusväli, määritelmä
23.11.2017/1 MTTTP5, luento 23.11.2017 Luottamusväli, määritelmä Olkoot A ja B satunnaisotoksen perusteella määriteltyjä satunnaismuuttujia. Väli (A, B) on parametrin 100(1 - ) %:n luottamusväli, jos P(A
LisätiedotTUTKIMUSAINEISTON KVANTITATIIVINEN ANALYYSI LTKY012. Timo Törmäkangas
TUTKIMUSAINEISTON KVANTITATIIVINEN ANALYYSI LTKY012 Timo Törmäkangas Itse arvioidun terveydentilan ja sukupuolen välinen riippuvuustarkastelu. Jyväskyläläiset 75-vuotiaat miehet ja naiset vuonna 1989.
LisätiedotKvantitatiiviset tutkimusmenetelmät maantieteessä
Kvantitatiiviset tutkimusmenetelmät maantieteessä Harjoitukset: 2 Muuttujan normaaliuden testaaminen, merkitsevyys tasot ja yhden otoksen testit FT Joni Vainikka, Yliopisto-opettaja, GO218, joni.vainikka@oulu.fi
LisätiedotAmmattikorkeakoulujen toimilupahakemukset - Tilinpäätöspohjaisista tunnusluvuista
Ammattikorkeakoulujen toimilupahakemukset - Tilinpäätöspohjaisista tunnusluvuista Sinikka Jänkälä Ammattikorkeakoulujen taloushallinnon seminaari 11.2.2013 1 Toimilupaa haettaessa liitettävä selvitys vakavaraisuudesta
Lisätiedotxi = yi = 586 Korrelaatiokerroin r: SS xy = x i y i ( x i ) ( y i )/n = SS xx = x 2 i ( x i ) 2 /n =
1. Tutkitaan paperin ominaispainon X(kg/dm 3 ) ja puhkaisulujuuden Y (m 2 ) välistä korrelaatiota. Tiettyä laatua olevasta paperierästä on otettu satunnaisesti 10 arkkia ja määritetty jokaisesta arkista
Lisätiedot(d) Laske selittäjään paino liittyvälle regressiokertoimelle 95 %:n luottamusväli ja tulkitse tulos lyhyesti.
2. VÄLIKOE vuodelta -14 1. Liitteessä 1 on esitetty R-ohjelmalla saatuja tuloksia aineistosta, johon on talletettu kahdenkymmenen satunnaisesti valitun miehen paino (kg), vyötärön ympärysmitta (cm) ja
LisätiedotSPSS-pikaohje. Jukka Jauhiainen OAMK / Tekniikan yksikkö
SPSS-pikaohje Jukka Jauhiainen OAMK / Tekniikan yksikkö SPSS on ohjelmisto tilastollisten aineistojen analysointiin. Hyvinvointiteknologian ATK-luokassa on asennettuna SPSS versio 13.. Huom! Ainakin joissakin
LisätiedotAsuin ja muiden rakennusten rakentaminen (412) Tehty 15.01.2014
Asuin ja muiden rakennusten rakentaminen () Tehty.. Sisällysluettelo Toimialan tunnusluvut I Kasvu ja kannattavuus............................... Toimialan tunnusluvut II Pääomantuotto ja käyttöpääoma.......................
Lisätiedot1. Normaalisuuden tutkiminen, Bowmanin ja Shentonin testi, Rankit Plot, Wilkin ja Shapiron testi
Mat-2.2104 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat: Yhteensopivuuden ja homogeenisuden testaaminen Bowmanin ja Shentonin testi, Hypoteesi, 2 -homogeenisuustesti, 2 -yhteensopivuustesti,
LisätiedotLiikevaihto. Myyntikate. Käyttökate. Liikevoitto. Liiketoiminnan muut tuotot
Luvut 1 euro Tilikausi/pituus 1-12/12 1-12/12 1-12/12 1-12/12 1-12/12 TULOSLASKELMA Liikevaihto 4 986 6 5 225 2 6 276 8 6 932 6 7 334 5 Myyntikate 3 237 6 3 344 9 3 835 9 4 178 1 4 396 8 Käyttökate 761
Lisätiedot1.1 Tulos ja tase. Oy Yritys Ab Syyskuu Tilikauden alusta
1.1 Tulos ja tase KUMULATIIVINEN MYYNTI Current Ratio koko yritys 12 1 8 6 4 2 215 KUM TOT. 115 KUM TOT. 415 KUM TOT. 315 KUM TOT. 715 KUM TOT. 615 KUM TOT. 515 KUM TOT. 915 KUM TOT. 815 KUM TOT. 1,77
LisätiedotKuvakirja. Elisa Oyj (Konserni) Tilivuodet: SBB- Solutions for Business and Brains Oy. Sisällysluettelo 5.12.
Kuvakirja 5.12.216 Elisa Oyj (Konserni) Tilivuodet: Tilikauden pituus (kk) 12 12 12 12 12 Laatija: SBB- Solutions for Business and Brains Oy Sisällysluettelo Etusivu 1 Yhteenveto Numeerinen yhteenveto
LisätiedotHarjoitus 9: Excel - Tilastollinen analyysi
Harjoitus 9: Excel - Tilastollinen analyysi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tutustuminen regressioanalyysiin
LisätiedotTilastollinen vastepintamallinnus: kokeiden suunnittelu, regressiomallin analyysi, ja vasteen optimointi. Esimerkit laskettu JMP:llä
Tilastollinen vastepintamallinnus: kokeiden suunnittelu, regressiomallin analyysi, ja vasteen optimointi Esimerkit laskettu JMP:llä Antti Hyttinen Tampereen teknillinen yliopisto 29.12.2003 ii Ohjelmien
LisätiedotINFORMAATION MERKITYS SANEERAUKSEN ONNISTUMISEN ENNUSTAMISESSA
1 Erkki K. Laitinen, professori Laskentatoimen ja rahoituksen laitos Vaasan yliopisto INFORMAATION MERKITYS SANEERAUKSEN ONNISTUMISEN ENNUSTAMISESSA Tavoitteena esitellä: - Suomen Akatemian yrityssaneeraus
LisätiedotATH-aineiston tilastolliset analyysit SPSS/PASW SPSS analyysit / Risto Sippola 1
ATH-aineiston tilastolliset analyysit SPSS/PASW 16.2.2011 SPSS analyysit / Risto Sippola 1 Aineiston avaaminen Aineisto on saatu SPSS-muotoon ja tallennettu koneelle sijaintiin, josta sitä voidaan käyttää
LisätiedotLiikevaihto. Myyntikate. Käyttökate. Liikevoitto. Liiketoiminnan muut tuotot
Luvut 1 euro Tilikausi/pituus 1-12/12 1-12/12 1-12/12 1-12/12 1-12/12 TULOSLASKELMA Liikevaihto 2 23 3 2 257 7 2 449 4 2 4 3 2 284 5 Myyntikate 1 111 4 1 179 7 1 242 3 1 224 9 1 194 5 Käyttökate 15 4 42
LisätiedotLiikevaihto. Myyntikate. Käyttökate. Liikevoitto. Liiketoiminnan muut tuotot
Luvut 1 euro Tilikausi/pituus 1-12/12 1-12/12 1-12/12 1-12/12 1-12/12 TULOSLASKELMA Liikevaihto 451 6 576 4 544 8 51 5 495 2 Myyntikate 253 3 299 2 279 281 4 275 3 Käyttökate 29 5 42 7 21 9 33 3 25 1 Liikevoitto
LisätiedotLiikevaihto. Käyttökate. Liikevoitto. Liiketoiminnan muut tuotot
Luvut 1 euro Tilikausi/pituus 1-12/12 1-12/12 1-12/12 1-12/12 1-12/12 TULOSLASKELMA Liikevaihto 6 777 8 43 8 23 8 25 8 11 Myyntikate 3 89 4 262 4 256 4 51 4 262 Käyttökate 1 69 1 95 1 71 1 293 742 Liikevoitto
LisätiedotTilastollisen analyysin perusteet Luento 9: Moniulotteinen lineaarinen. regressio
Tilastollisen analyysin perusteet Luento 9: lineaarinen lineaarinen Sisältö lineaarinen lineaarinen lineaarinen Lineaarinen Oletetaan, että meillä on n kappaletta (x 1, y 1 ), (x 2, y 2 )..., (x n, y n
LisätiedotLiikevaihto. Myyntikate. Käyttökate. Liikevoitto. Liiketoiminnan muut tuotot
Luvut 1 euro Tilikausi/pituus 1-12/12 1-12/12 1-12/12 1-12/12 1-12/12 TULOSLASKELMA Liikevaihto 484 796 672 165 641 558 679 396 684 42 Myyntikate 79 961 88 519 89 397 15 399 12 66 Käyttökate 16 543 17
LisätiedotLiikevaihto. Myyntikate. Käyttökate. Liikevoitto. Liiketoiminnan muut tuotot
Luvut 1 euro Tilikausi/pituus 1-12/12 1-12/12 1-12/12 1-12/12 1-12/12 TULOSLASKELMA Liikevaihto 5 435 6 296 6 161 6 159 6 56 Myyntikate 3 442 3 558 4 314 3 842 3 722 Käyttökate 2 292 2 271 3 8 2 525 2
LisätiedotTilinpäätöksen tunnuslukujen tulkinta
Tilinpäätöksen tunnuslukujen tulkinta TILINPÄÄTÖKSEN TUNNUSLUKUJA VOIDAAN LASKEA 1) tuloslaskelmapohjaisesti eli suoriteperusteisesti tai 2) rahoituslaskelmapohjaisesti eli maksuperusteisesti. MITTAAMISEN
LisätiedotTULOSLASKELMAN RAKENNE
TULOSLASKELMAN RAKENNE Liiketoiminnan tuotot Toiminnan kulut Liikevoitto VÄHENNETÄÄN Liikevaihdon ansaintaan liittyvät kulut Rahoituserät Satunnaiset erät Tilinpäätösjärjestelyt Tilikauden voitto Verot
LisätiedotMitä IHMEttä on MIXTURE -mallintaminen?
JYVÄSKYLÄN YLIOPISTO Matematiikan ja tilastotieteen laitos Esko Leskinen 28.5.2009 Mitä IHMEttä on MIXTURE -mallintaminen? A-L Lyyra 2009 2 1. Taustaa mixture sekoitus (mikstuura) sekoitetut jakaumat sekoitetut
LisätiedotTausta vahva hyvä. välttävä heikko > ei luokittelua
Suomen Asiakastieto Oy 14.03.2019 01.02 Rating Alfa Latvalan Maatila Oy Louhikonmäentie 46 60560 Halkosaari Louhikonmäentie 46, 60560 Halkosaari Tiedot luovutettu 14.03.2019 Puhelin: +358 40 5507694 Telefax:
LisätiedotSPSS-perusteet. Sisältö
SPSS-perusteet Sisältö Ikkunat 3 Päävalikot 5 Valikot 6 Aineiston käsittely 6 Muuttujamuunnokset 7 Aineistojen kuvailu analyysit 8 Havaintomatriisin luominen ja käsittely 10 Muulla sovelluksella tehdyn
LisätiedotTimo Kaisanlahti Jarmo Leppiniemi Raili Leppiniemi TILINPÄÄTÖKSEN TULKINTA
Timo Kaisanlahti Jarmo Leppiniemi Raili Leppiniemi TILINPÄÄTÖKSEN TULKINTA Alma Talent Helsinki 2017 5., uudistettu painos Copyright 2017 Alma Talent Oy ja tekijät Kansi: Sirpa Puntti Taitto: NotePad,
LisätiedotYrityksen rating on AA+ tilinpäätöstiedoin,
Rating Alfa Rakennus- ja louhintaliike Toivo Ajalin Kommandiittiyhtiö Lövdalintie 6 10440 Bollsta Lövdalintie 6,10440 Bollsta Tiedot luovutettu 02.02.2017 Puhelin: +358 40 8200583 Telefax: +358 19 2454085
LisätiedotAki Taanila YHDEN SELITTÄJÄN REGRESSIO
Aki Taanila YHDEN SELITTÄJÄN REGRESSIO 26.4.2011 SISÄLLYS JOHDANTO... 1 LINEAARINEN MALLI... 1 Selityskerroin... 3 Excelin funktioita... 4 EKSPONENTIAALINEN MALLI... 4 MALLIN KÄYTTÄMINEN ENNUSTAMISEEN...
LisätiedotOpetus talteen ja jakoon oppilaille. Kokemuksia Aurajoen lukion tuotantoluokan toiminnasta Anna Saivosalmi 9.9.2011
Opetus talteen ja jakoon oppilaille Kokemuksia Aurajoen lukion tuotantoluokan toiminnasta Anna Saivosalmi 9.9.2011 Aurajoen lukio ISOverstaan jäsen syksystä 2010 lähtien ISOverstas on maksullinen verkko-oppimisen
LisätiedotFoA5 Tilastollisen analyysin perusteet puheentutkimuksessa. 9. luento. Pertti Palo
FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa 9. luento Pertti Palo 22.11.2012 Käytännön asioita Eihän kukaan paikallaolijoista tee 3 op kurssia? 2. seminaarin ilmoittautuminen. 2. harjoitustyön
LisätiedotVarauspalvelut, matkaoppaiden palvelut ym. (799) Tehty
Tehty 5.11.15 Sisällysluettelo Toimialan tunnusluvut I Kasvu ja kannattavuus............................... 1 Toimialan tunnusluvut II Pääomantuotto ja käyttöpääoma....................... Toimialan tunnusluvut
LisätiedotSanomalehtien kustantaminen (5813) Tehty
Tehty 3.1.15 Sisällysluettelo Toimialan tunnusluvut I Kasvu ja kannattavuus............................... 1 Toimialan tunnusluvut II Pääomantuotto ja käyttöpääoma....................... Toimialan tunnusluvut
LisätiedotNosto ja siirtolaitteiden valmistus (2822) Tehty
Tehty.3.1 Sisällysluettelo Toimialan tunnusluvut I Kasvu ja kannattavuus............................... 1 Toimialan tunnusluvut II Pääomantuotto ja käyttöpääoma....................... Toimialan tunnusluvut
LisätiedotSanomalehtien kustantaminen (5813) Tehty
Tehty..13 Sisällysluettelo Toimialan tunnusluvut I Kasvu ja kannattavuus............................... 1 Toimialan tunnusluvut II Pääomantuotto ja käyttöpääoma....................... Toimialan tunnusluvut
LisätiedotSanomalehtien kustantaminen (5813) Tehty
Tehty..17 Sisällysluettelo Toimialan tunnusluvut I Kasvu ja kannattavuus............................... 1 Toimialan tunnusluvut II Pääomantuotto ja käyttöpääoma....................... Toimialan tunnusluvut
LisätiedotTilastollisen analyysin perusteet Luento 7: Lineaarinen regressio
Tilastollisen analyysin perusteet Luento 7: Lineaarinen regressio Sisältö Regressioanalyysissä tavoitteena on tutkia yhden tai useamman selittävän muuttujan vaikutusta selitettävään muuttujaan. Sen avulla
LisätiedotSuomen Asiakastieto Oy 22.12.2009 14:21:18
Suomen Asiakastieto Oy 22.12.2009 14:21:18 Yrityksen perustiedot Malliyritys Oy Yritystie 5 00100 Helsinki Y-tunnus 011111111 Kaupparekisterinumero Kotipaikka Helsinki Rekisteröity kaupparekisteriin 01.01.2000
LisätiedotHarjoitust. Harjoitusten sisältö
Harjoitust yö Harjoitusten sisältö Investoinnin kannattavuus Vapaat rahavirrat ja tuottovaade Tilinpäätösanalyysi SWOT-analyysi Yrityksen tulevaisuus Investoinnin kannattavuus Tilinpäätösanalyysi
LisätiedotAsuin ja muiden rakennusten rakentaminen (412) Tehty
Asuin ja muiden rakennusten rakentaminen (1) Tehty 3.11.1 Sisällysluettelo Toimialan tunnusluvut I Kasvu ja kannattavuus............................... 1 Toimialan tunnusluvut II Pääomantuotto ja käyttöpääoma.......................
LisätiedotAsuin ja muiden rakennusten rakentaminen (412) Tehty
Asuin ja muiden rakennusten rakentaminen (1) Tehty 1.1.17 Sisällysluettelo Toimialan tunnusluvut I Kasvu ja kannattavuus............................... 1 Toimialan tunnusluvut II Pääomantuotto ja käyttöpääoma.......................
LisätiedotLämpö, vesijohto ja ilmastointiasennus (4322) Tehty
Lämpö, vesijohto ja ilmastointiasennus () Tehty 5..5 Sisällysluettelo Toimialan tunnusluvut I Kasvu ja kannattavuus............................... Toimialan tunnusluvut II Pääomantuotto ja käyttöpääoma.......................
LisätiedotSELVITTÄJÄN KOMPETENSSISTA
OTM, KTM, Mikko Hakola, Vaasan yliopisto, Laskentatoimen ja rahoituksen laitos Helsinki 20.11.200, Helsingin kauppakorkeakoulu Projekti: Yrityksen maksukyky ja strateginen johtaminen SELVITTÄJÄN KOMPETENSSISTA
LisätiedotOtanta-aineistojen analyysi (78136, 78405) Kevät 2010 TEEMA 4: Asetelmaperusteinen monimuuttuja-analyysi
Otanta-aineistojen analyysi (78136, 78405) Kevät 2010 TEEMA 4: Asetelmaperusteinen monimuuttuja-analyysi Risto Lehtonen risto.lehtonen@helsini.fi Analyysimenetelmiä ja työaluja Lineaariset mallit Regressioanalyysi
LisätiedotLisätehtäviä ratkaisuineen luentomonisteen lukuun 6 liittyen., jos otoskeskiarvo on suurempi kuin 13,96. Mikä on testissä käytetty α:n arvo?
MTTTP5, kevät 2016 15.2.2016/RL Lisätehtäviä ratkaisuineen luentomonisteen lukuun 6 liittyen 1. Valitaan 25 alkion satunnaisotos jakaumasta N(µ, 25). Olkoon H 0 : µ = 12. Hylätään H 0, jos otoskeskiarvo
Lisätiedotvoidaan hylätä, pienempi vai suurempi kuin 1 %?
[MTTTP1] TILASTOTIETEEN JOHDANTOKURSSI, Syksy 2017 http://www.uta.fi/sis/mtt/mtttp1/syksy_2017.html HARJOITUS 5 viikko 42 6.10.2017 klo 10:42:20 Ryhmät: ke 08.30 10.00 LS C6 Paajanen ke 10.15 11.45 LS
LisätiedotEsim. Pulssi-muuttujan frekvenssijakauma, aineisto luentomoniste liite 4
18.9.2018/1 MTTTP1, luento 18.9.2018 KERTAUSTA Esim. Pulssi-muuttujan frekvenssijakauma, aineisto luentomoniste liite 4 pyöristetyt todelliset luokka- frekvenssi luokkarajat luokkarajat keskus 42 52 41,5
LisätiedotYrityksen rating on AA+ tilinpäätöstiedoin,
Rating Alfa Rakennus- ja louhintaliike Toivo Ajalin Kommandiittiyhtiö Lövdalintie 6 10440 Bollsta Lövdalintie 6,10440 Bollsta Tiedot luovutettu 27.06.2019 Puhelin: +358 40 8200583 Telefax: +358 19 2454085
LisätiedotEstimointi populaation tuntemattoman parametrin arviointia otossuureen avulla Otossuure satunnaisotoksen avulla määritelty funktio
17.11.2015/1 MTTTP5, luento 17.11.2015 Luku 5 Parametrien estimointi 5.1 Piste-estimointi Estimointi populaation tuntemattoman parametrin arviointia otossuureen avulla Otossuure satunnaisotoksen avulla
LisätiedotYrittäjän oppikoulu. Johdatusta yrityksen taloudellisen tilan ymmärtämiseen (osa 2) 23.10.2015. Niilo Rantala, Yläneen Tilikeskus Oy
Yrittäjän oppikoulu Johdatusta yrityksen taloudellisen tilan ymmärtämiseen (osa 2) 23.10.2015 Niilo Rantala, Yläneen Tilikeskus Oy Sisältö Mitä on yrityksen taloudellinen tila? Tunnuslukujen perusteet
LisätiedotMat Tilastollisen analyysin perusteet. Painotettu PNS-menetelmä. Avainsanat:
Mat-2.104 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat: Mallin valinta Painotettu PNS-menetelmä Alaspäin askellus, Askellus, Askeltava valikointi, Diagnostinen grafiikka, Diagnostiset
LisätiedotLaskennallinen data-analyysi II
Laskennallinen data-analyysi II Ella Bingham, ella.bingham@cs.helsinki.fi Kevät 2008 Muuttujien valinta Kalvot perustuvat Saara Hyvösen kalvoihin 2007 Laskennallinen data-analyysi II, kevät 2008, Helsingin
LisätiedotTausta vahva. hyvä. tyydyttävä välttävä heikko > ei luokittelua
Suomen Asiakastieto Oy 06.02.2019 00.58 Rating Alfa Napapiirin Kuljetus Oy Marttiinintie 10 96300 Rovaniemi PL 8106, 96101 Rovaniemi Tiedot luovutettu 06.02.2019 Puhelin: +358 400 333110 Telefax: 016 347243
LisätiedotMediaanikorko on kiinteäkorkoiselle lainalle korkeampi. Tämä hypoteesi vastaa taloustieteen käsitystä korkojen määräytymismekanismista.
Mat-2.04 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat: Testit järjestysasteikollisille muuttujille Testit laatueroasteikollisille muuttujille Hypoteesi, Mannin ja Whitneyn testi (Wilcoxonin
Lisätiedot805306A Johdatus monimuuttujamenetelmiin, 5 op
monimuuttujamenetelmiin, 5 op syksy 2018 Matemaattisten tieteiden laitos Lineaarinen erotteluanalyysi (LDA, Linear discriminant analysis) Erotteluanalyysin avulla pyritään muodostamaan selittävistä muuttujista
LisätiedotJohdatus regressioanalyysiin. Heliövaara 1
Johdatus regressioanalyysiin Heliövaara 1 Regressioanalyysin idea Oletetaan, että haluamme selittää jonkin selitettävän muuttujan havaittujen arvojen vaihtelun selittävien muuttujien havaittujen arvojen
LisätiedotRakenneyhtälömallit (Structural Equation Models, SEM)
Työpaja: Rakenneyhtälömallit (Structural Equation Models, SEM) Helsingin yliopisto 8.-9.8.2003 Mikko Ketokivi mikko.ketokivi@hut.fi /5 SISÄLLYSLUETTELO I. KURSSIN SISÄLTÖ JA AIKATAULU 3 II. KURSSIN KUVAUS
Lisätiedot