Eine Untersuchung von Analysetechniken für Softwaredatensätze

Ziel der Studie war es, die Wirksamkeit verschiedener Datenanalysetechniken für Softwaredaten zu untersuchen. Wir verwendeten Simulationen, um Datensätze mit einem bekannten zugrunde liegenden Modell und mit nicht-normalen Eigenschaften zu erstellen, die häufig in Softwaredatensätzen vorkommen: Schiefe, instabile Varianz und Ausreißer sowie Kombinationen dieser Eigenschaften. Wir untersuchten drei Haupttechniken der statistischen Datenanalyse: Residuenanalyse; multivariate Regression; Klassifikations- und Regressionsbäume (CART). Neben der Standardversion der Technik "kleinste Quadrate" untersuchten wir auch robuste und nichtparametrische Versionen der Techniken. Wir fanden heraus, dass die standardisierten multivariaten Regressionstechniken am besten waren, wenn die Daten nur Schiefe aufwiesen. Unter extremeren Bedingungen wie schwerer Heteroskedastizität schnitt jedoch die nichtparametrische Residuenanalysetechnik am besten ab. Wir fanden auch heraus, dass selbst wenn die Analysetechnik das tatsächliche zugrunde liegende Modell nicht genau rekreierte, das fehlerhafte Modell doch durchaus brauchbare Vorhersagen generieren konnte. Die Studie zeigt, dass Simulation eine sehr nützliche Technik zur Bewertung verschiedener Datenanalysetechniken ist.