|
|
Forecasting Ability of Confidence Indicators: Evidence for the Czech Republic
Herrmannová, Lenka ; Horváth, Roman (vedoucí práce) ; Mikolášek, Jakub (oponent)
Tato diplomová práce se zabývá užitečností indikátorů důvěry pro krátkodobé předpovědi ekonomické situace v České republice. Dvěma odlišnými empirickými přístupy zkoumáme predikční schopnosti podnikatelského i spotřebitelského indikátoru důvěry. Nejprve pomocí logistické regrese predikujeme pravděpodobnost ekonomického zpomalení, které si definujeme jako nespojitou událost a následně za použití vektorové autoregrese odhadujeme přesné hodnoty reálného růstu HDP. Výsledky získané z pravděpodobnostních modelů ekonomického zpomalení potvrzují schopnost indikátorů důvěry odhadnout současnou ekonomickou situaci i předjímat ekonomické zpomalení jedno čtvrtletí dopředu. Výsledky modelů predikujících přesné hodnoty HDP jsou víceznačné. Nicméně index spotřebitelské důvěry signifikantně zpřesnil předpovědi základního modelu se standardními makroekonomickými proměnnými, a proto můžeme potvrdit jeho predikční schopnosti. Tento závěr byl nepřímo potvrzen také OECD, když byl indikátor spotřebitelské důvěry od dubna roku 2012 zahrnut do OECD kompozitního indikátoru hospodářského cyklu pro Českou republiku.
|
|
|
Srovnání logistické regrese a rozhodovacích stromů
Raadová, Zuzana ; Voříšek, Jan (vedoucí práce) ; Komárek, Arnošt (oponent)
Tato práce pojednává o klasifikaci binárních dat s využitím dvou často používaných metod - logistické regrese a rozhodovacích stromů. Tyto dvě metody přistupují ke klasifikaci rozdílným způsobem, a proto je cílem této práce porovnat úspěšnost jejich předpovědí. Nejprve je zaveden model logistické regrese a odhad jeho parametrů pomocí metody maximální věrohodnosti. Dále se práce věnuje rozhodovacím stromům, jakožto jednomu z hlavních klasifikačních nástrojů. Popsány jsou zde starší klasické algoritmy CART a C4.5 a taktéž novější algoritmy QUEST a CRUISE. Předpovědi obou metod jsou ukázány na reálné sadě dat.
|
|
|
Ethnic groups in the former Soviet Union space
Tkáčová, Kateřina ; Plechanovová, Běla (vedoucí práce) ; Střítecký, Vít (oponent)
Tato diplomová práce se snaží identifikovat faktory, které vedou etnické skupiny k použití násilí jakožto odpovědi na své potřeby a životní podmínky. Výzkum je zaměřen na etnické menšiny žijící v nástupnických státech Sovětského Svazu v období 1994 až 2006. Základní předpoklady této práce vycházejí z kvalitativních i kvantitativních studií o příčinách etnických konfliktů. Důraz je kladen především na výsledky výzkumů zabývajících se chováním etnických skupin v případě diskriminačního jednání ze strany státu. Nejsou však opomenuty ani významné charakteristiky samotných etnických skupin. Teoretická diskuze v prvních dvou kapitolách ukázala důležitost tří faktorů ovlivňujících vznik etnických konfliktů na území bývalého Sovětského svazu - diskriminace, odlišnost a síla identity etnických skupin. Pro testování důležitosti těchto faktorů je použito několik statistických metod - deskriptivní statistika, korelace a logistická regrese. Výsledky statistických výpočtů prokázaly, že silná identita a diskriminace etnických skupin zvyšují pravděpodobnost vzniku konfliktu.
|
|
|
Pozdní mateřství z demografického pohledu (na příkladu České a Slovenské republiky)
Vobořilová, Michaela ; Fialová, Ludmila (vedoucí práce) ; Bartoňová, Dagmar (oponent)
Pozdní mateřství z demografického pohledu (na příkladu České a Slovenské republiky) Abstrakt Diplomová práce se tematicky vztahuje k problematice pozdního mateřství z demografického pohledu v České a Slovenské republice od dvacátých let dvacátého století po současnost. Práce popisuje změny, které během studovaných let proběhly v plodnosti žen starších 35 let, pomocí vybraných demografických ukazatelů. Dále se práce zaměřuje na analýzu vlivu vybraných demografických faktorů pomocí metody binární logistické regrese. V samotném závěru práce jsou na základě výsledků analýz stanoveny tři typy pozdního mateřství. Klíčová slova: pozdní mateřství, plodnost, Česká republika, Slovenská republika, logistická regrese
|
|
|
Faktory ovlivňující spokojenost doktorandů se zázemím pro studium
Paul, Miroslav ; Vltavská, Kristýna (vedoucí práce) ; Milatová, Pavla (oponent)
Diplomová práce se zabývá spokojeností studentů doktorských studijních programů se zázemím pro studium s využitím dat z výběrového šetření DOKTORANDI 2014. Cílem diplomové práce je nalézt faktory ovlivňující spokojenost doktorandů se zázemím pro studium a nalezení podobnosti studijních oborů doktorských studijních programů podle spokojenosti se zázemím. První část práce obsahuje popis vysokého školství se zaměřením na doktorské studijní programy, popis statistických metod použitých v analytické části a stručný popis šetření DOKTORANDI 2014. Analytická část práce hledá faktory mající vliv na spokojenost doktorandů se zázemím pro studium s využitím logistické regrese a rozhodovacích stromů. Dále pomocí shlukové analýzy určuje podobnost oborů studia doktorských studijních programů podle spokojenosti se zázemím pro studium.
|
|
|
Uplatnění absolventů VŠE na trhu práce a jejich hodnocení získaného vysokoškolského vzdělání
Dejl, Lukáš ; Vltavská, Kristýna (vedoucí práce) ; Hulík, Vladimír (oponent)
Diplomová práce se zabývá uplatněním absolventů Vysoké školy ekonomické v Praze (VŠE) na trhu práce a jejich hodnocení získaného vysokoškolského vzdělání na základě výsledků šetření REFLEX 2013. První část práce je zaměřena na teoretické pojmy a statistické metody, které jsou následně použity v analytické části. Analytická část práce obsahuje analýzy týkající se uplatnění absolventů VŠE na pracovním trhu a hodnocení kvality získaného vysokoškolského vzdělání. Diplomová práce se snaží pomocí vícerozměrných statistických metod odpovědět na otázky, zda existuje souvislost mezi vystudovanou fakultou a klasifikací zaměstnání po příchodu na pracovní trh, jaké aspekty ovlivňují výši hrubého měsíčního příjmu ze současné práce, jak absolventi daných fakult hodnotí míru studiem získaných základů pro vstup do práce a také jak hodnotí zaměření absolvovaného studia na budoucí profesionální uplatnění.
|
|
|
Building credit scoring models using selected statistical methods in R
Jánoš, Andrej ; Bašta, Milan (vedoucí práce) ; Pecáková, Iva (oponent)
Kredit skóring je ve finanční praxi důležitou a rychle se rozvíjející disciplínou. Cílem této práce je vytvořit souhrn základních metodik používaných k vytvoření a popisu kredit skóringových modelů s interpretací jejich výstupu společně s praktickou ilustrací postupu při vytváření těchto modelů v statistickém programovém prostředí R. Tato práce je členěná do pěti kapitol. První kapitola je věnovaná vysvětlení pojmu kredit skóring společně s několika příklady praktického využití a motivací pro jeho studium. V další části práce jsou postupně představené tři, ve finanční praxi nejčasteji používané, metody pro tvorbu kredit skóringových modelů. Ve druhé, nejrozvinutější kapitole se práce věnuje logistické regresi. Největší důraz je kladen na matematické odvození vztahu pro logistický regresní model a uvedeno je několik způsobů jako posoudit kvalitu proložení dat modelem. Dalšími dvěmi metodami prezentovanými v této práci jsou rozhodovací stromy a náhodné lesy, kterým se věnují kapitoly 3 a 4. Neoddělitelnou součástí této práce jsou podrobně popsané aplikace těchto metod na konkrétní datový soubor Default v programové platformě R. V závěrečné, páté, kapitole je praktická ilustrace vytvoření kredit skóringových modelů, jejich diagnostiky a následného vyhodnocení jejich schopnosti předpovídat selhání klienta v praxi s použitím R. V přílohách jsou uvedené vytvořené funkce a kód v R použité v práci. Čtenář vybavený základními poznatky z pravděpodobnosti a matematické statistiky získá dostatek teoretických znalostí a praktických zručností k pochopení modelů a jejich samostatné aplikaci.
|
|
|
Methods for class prediction with high-dimensional gene expression data
Šilhavá, Jana ; Matula, Petr (oponent) ; Železný, Filip (oponent) ; Smrž, Pavel (vedoucí práce)
This thesis deals with class prediction with high-dimensional gene expression data. During the last decade, an increasing amount of genomic data has become available. Combining gene expression data with other data can be useful in clinical management, where it can improve the prediction of disease prognosis. The main part of this thesis is aimed at combining gene expression data with clinical data. We use logistic regression models that can be built through various regularized techniques. Generalized linear models enable us to combine models with different structure of data. It is shown that such a combination may yield more accurate predictions than those obtained based on the use of gene expression or clinical data alone. Suggested approaches are not computationally intensive. Evaluations are performed with simulated data sets in different settings and then with real benchmark data sets. The work also characterizes an additional predictive value of microarrays. The thesis includes a comparison of selected features of gene expression classifiers built up in five different breast cancer data sets. Finally, a feature selection that combines gene expression data with gene ontology information is proposed.
|
|
|
Využitelnost indexů konektivity krajiny jako prediktorů výskytu druhů
Kučera, Michal ; Šímová, Petra (vedoucí práce) ; Krčílková, Šárka (oponent)
Práce se zabývá vyhodnocením použitelnosti indexů konektivity krajiny (biotopů) k vysvětlení
výskytu vybraných ptačích druhů v měřítku mapovacích kvadrátů České republiky. V práci je
testována závislost indexů konektivity krajiny prof. S. Saury a výskytu ptačích druhů typických
pro dané prostředí z dat Atlasu hnízdního rozšíření ptáků a Corine Land Cover 2012. Pomocí
logistické regrese je vyhodnoceno, zda indexy konektivity dokáží přítomnost druhu predikovat,
což je testováno pro 4 různé disperzní vzdálenosti, 500 m, 1 000 m, 2 000 m a 3 000 m. Celkem
bylo testováno 10 vybraných ptačích druhů typických pro jeden z pěti hlavních typů krajinného
pokryvu. Dále byl také testován vliv rozlohy vhodného biotopu v mapovacím kvadrátu na
výskyt druhu.
|
|
|
Tvorba predikčních modelů
ZABLOUDIL, Jakub
Diplomová práce se zaměřuje na tvorbu predikčních modelů, jejichž úkolem je poskytnutí včasného varování před potenciálním úpadkem podniku. Podstata a hlavní cíl práce spočívá ve vytvoření vícerozměrných klasifikačních modelů prostřednictvím diskriminační analýzy a logistické regrese. Důraz se zde přikládá jejich predikční spolehlivosti, která je ověřena za období tří let před prohlášením úpadku. Rovněž jsou učiněny pokusy o optimalizaci prahových hodnot, vedoucích ke zvýšení primární spolehlivosti modelů. Současně dochází k ověření úspěšnosti klasifikace vybraných stávajících modelů a k provedení profilové analýzy, která ověřuje predikční schopnost jednorozměrných poměrových ukazatelů.
|
host ::
RSS.