Vícerozměrné statistické metody - detail zprávy #586

Predikce pravděpodobnosti pracovních absencí na základě pracovních podmínek a osobních faktorů

Pavla Růžičková, 22. 04. 2025

Data: Absenteeism at Work, Andrea Martiniano a Ricardo Ferreira, UCI Machine Learning Repository, https://archive.ics.uci.edu/dataset/445/absenteeism+at+work

V práci se vyskytuje: Log. regrese

Udělená slovní hodnocení

• Tato práce působí velmi vyváženě – autor použil reálná data z UCI a díky pečlivé přípravě proměnných zvládl vytvořit funkční logistický model. Výsledky byly interpretovány věcně a v kontextu reálného pracovního prostředí. Velmi oceňuji, že se autor nebál zmínit i limity prediktivní síly modelu, a přesto zůstává analýza použitelná i prakticky. Je to dobře zvládnutý projekt po metodické i aplikační stránce.
• Zpráva 586 mě opravdu bavila. Líbilo se mi, že autor pracoval s reálnými daty z UCI a použil binární logistickou regresi velmi smysluplně. Výsledky byly přehledně prezentované, dobře interpretované a práce zahrnovala i úvahu nad limity a návrhy pro další výzkum. Působilo to jako profesionálně vedená analýza.
• Výklad logistické regrese včetně interpretace Exp(B) je srozumitelný. Významné prediktory jsou správně uvedeny, ne-signifikantní nejsou přeceňovány. Navržené využití modelu pro prevenci absence dává smysl.
• Srozumitelná práce s daty, velmi zajímavé téma, značná propracovanost.