SAS/BASE - My LIUC

Esercizi
Analisi Fattoriale + Regressione lineare
Regressione logistica
Metodi Quantitativi per Economia,
Finanza e Management
Esercitazione n°13
Consegna Lavoro di gruppo
•
Scadenze per la consegna del lavoro di gruppo:
I scadenza: Lunedì 12 Gennaio 2015 entro ore 12:00
II scadenza: Venerdì 23 Gennaio 2015 entro ore 12:00
•
Fare riferimento alla signora Luezza (Segreteria, quarto piano)
•
Il materiale da consegnare consiste in:
–
–
•
stampa cartacea della presentazione in Power Point;
un CD/chiavetta USB contenente questionario, base dati in formato
Excel, programma SAS, output, presentazione Power Point.
NOTA BENE: se il lavoro di gruppo non viene consegnato entro la
data della prima scadenza, non è possibile sostenere l’esame al
primo appello
Esercizio 1:
Analisi Fattoriale + Regressione Lineare
Il dataset auto contiene 15 variabili e 35.108 allestimenti auto.
Di seguito la descrizione di ogni variabile:
#
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Variable
anzianita_modello
aspetto_esterno
cilindrata
dati_tecnici
impronta
larghex
lunghex
n_model_restyling
numcilindri
numposti
passo
percorrenzamedia
porte
potenza
Quotazione
Descrizione
Anzianità del modello espressa in mesi
Inidica se ci sono state modifiche all'aspetto esterno del modello
Cilindrata
Inidica se ci sono state modifiche ai dati tecnici del modello
Lunghezza * Larghezza
Larghezza in metri
Lungezza in metri
Numero di volte in cui c'è stato un restyling
Numero di cilindri
Numero di posti
Distanza tra l'asse anteriore e quello posteriore in metri
Percorrenza media in km
Numero di porte
Potenza
Quotazione
Esercizio 1:
Analisi Fattoriale + Regressione Lineare
1. Allocare una libreria che punti alla cartella in cui si è salvato il
dataset.
2. Accertarsi che le opzioni per l’output HTML siano correttamente
impostate
3. Effettuare un’analisi fattoriale utilizzando le seguenti variabili:
ANZIANITA_MODELLO
ASPETTO_ESTERNO
CILINDRATA
DATI_TECNICI
IMPRONTA
LARGHEX
LUNGHEX
N_MODEL_RESTYLING
NUMCILINDRI
NUMPOSTI
PASSO
PERCORRENZAMEDIA
PORTE
POTENZA
Scegliere il numero di fattori, interpretarli, salvarli in un dataset.
Esercizio 1:
Analisi Fattoriale + Regressione Lineare
4. Effettuare una regressione lineare utilizzando come variabile
dipendente la variabile Quotazione e come potenziali regressori i
fattori ottenuti al punto precedente
•
•
•
•
•
Esistono problemi di influenza e / o di multicollinearità?
E’ un modello soddisfacente?
Quali fattori risultano essere significativi?
Qual è il regressore più importante?
Come si può interpretare il modello?
Esercizio 2: Regressione Logistica
Il dataset ct_pp_propensity contiene 23 variabili e 145.401
clienti di una banca.
Di seguito la descrizione di ogni variabile:
#
1
2
3
4
5
6
7
8
9
10
11
12
13
15
16
17
18
19
20
21
23
Variable
ID CLIENTE
ACQUISTO_PP
FLG_REF_CC
FLG_DOMICILIAZIONE_UTENZE
FLG_POSSESSO_DEBITO
FLG_ACCREDITO_PENSIONE
FLG_POSSESSO_BT
FLG_RID_12M
FLG_CONTO_CORRENTE
FLG_POSSESSO_CREDITO
ETA
N_COINT_POSS_CC
N_NDG_TOTALI
CAR_NUM_PREL
AFI_IMP_TOT_M6
CS_NUM_CS
MAR_PCT_IMP_FINNZ_IMPGH_BT_M6
OPR_IMP_PREL_TOT_M6
OPR_IMP_SPE_CAR_D_TOT_M6
OPR_IMP_USC_TOT_M6
OPR_PCT_IMP_USC_INT_M6
Descrizione Variabili
Codice identificativo cliente
Acquisto un prestito personale nel periodo considerato
Referente di del conto corrente analizzato
Domiciliazione utenze
Possesso di Carte di Debito
Accredito dello stipendio e/o della pensione
Possesso di Crediti BT base
Attivazione di un RID verso un concorrente negli ultimi 12 mesi
Possesso di c/c
Possesso Carte di Credito
Età in classi
Numero di cointestari del Conto Corrente
Numero di contratti attivi per il cliente
Numero di prelevementi con carta di credito
Afi (Attività Fruttifere d'Interessi) medio degli ultimi 6 mesi
Numero di classi di famiglie di prodotti
Percentuale media Margini Finanziari Impieghi BT sul totale margini nell'ultimo semestre
Importo medio prelevato nell'ultimo semestre
Importo medio speso mediante l'utilizzo del bancomat nell'ultimo semestre
Importo medio delle uscite nell'ultimo semestre
Percentuale delle uscite sul canale internet
Esercizio 2: Regressione Logistica
Effettuare una regressione logistica utilizzando come variabile
dipendente la variabile ‘ACQUISTO_PP’ e come potenziali regressori
le seguenti variabili:
FLG_DOMICILIAZIONE_UTENZE
FLG_POSSESSO_DEBITO
FLG_ACCREDITO_PENSIONE
FLG_POSSESSO_BT
FLG_RID_12M
FLG_CONTO_CORRENTE
MAR_PCT_IMP_FINNZ_IMPGH_BT_M6
FLG_POSSESSO_CREDITO
N_COINT_POSS_CC
N_NDG_TOTALI
CAR_NUM_PREL
AFI_IMP_TOT_M6
OPR_IMP_PREL_TOT_M6
OPR_IMP_USC_TOT_M6
OPR_PCT_IMP_USC_INT_M6
OPR_IMP_SPE_CAR_D_TOT_M6
Esercizio 2: Regressione Logistica
•
Qual è la percentuale di clienti che ha acquistato un Prestito
Personale?
•
Verificare la bontà del modello stimato
•
Esiste un problema di multicollinearità?
•
Quali regressori risultano significativi?
•
Quali regressori hanno un impatto positivo e negativo sulla
variabile risposta?
•
Quale regressore è più importante nella spiegazione della
variabile risposta?