Интересную задачку давали на этой неделе на курсах coursera по логистической регрессии.
Обращаю внимание, что пример может быть интересен HR: смотри например Скоринговые карты для оценки кандидата при приеме на работу, где применяется аналогичная технология. Предлагаю представить, что вместо выбора страны (0 ; 1) используется переменная: брать кандидата на работу / не брать и вместо остальных переменных используются информация, собранная о кандидате, поэтому пост адресуется тем, кто планирует развиваться в сфере HR-аналитики

Кейс

В таблице (Приложение 1) 27 стран и пять переменных:

  • age — позиция в вопросе о глобальном потеплении (1 — активная; 0 — пассивная);
  • educ — индекс уровня образования страны;
  • gdp — ВВП или валовый внутренний продукт;
  • co2 — соответственно, выбросы CO2 в атмосферу.

Обратите внимание на показатели России.

Результаты

Прогностичной ценностью обладают только две переменные:
возраст и уровень образования. Причем, индекс уровня образования дает негативный вклад в активную позицию в вопросе глобального потепления: чем выше уровень индекса образования страны, тем ниже вероятность, что страна будет занимать активную позицию в данном вопросе.

Приложение 1.

countrychangeageeducgdpco2
1England140,50,652,4522
2Japan144,60,645,81208
3France139,70,862,7376
4Germany143,70,853,6786
5Spain141,50,871,4329
6USA036,90,9514,95461
7Russia038,50,931,81742
8China135,20,597,27031
9Turkey028,10,640,7283
10India025,90,921,81742
11Jordan021,80,690,0221
12Egypt1240,570,2210
13Nigeria019,10,750,295
14Indonesia127,90,640,8441
15Pakistan021,20,620,2163
16Italy144,30,962,1402
17Greece142,20,780,297
18Kazakhstan129,90,860,1236
19Mexico126,70,781,1467
20Malaysia125,10,450,3208
21Indonesia127,90,440,8441
22Argentina130,30,740,4192
23Canada140,70,961,7507
24Poland138,20,850,5309
25Finland141,60,970,256
26Uruguay033,70,850,048
27SouthAfrica024,70,840,4445

Источник : edwvb.blogspot.com

Похожая запись