Tiesinė regresija palyginti su daugybe regresijos: apžvalga
Regresinė analizė yra įprastas statistinis metodas, naudojamas finansuose ir investuojant. Tiesinė regresija yra viena iš labiausiai paplitusių regresinės analizės metodų. Daugybinė regresija yra platesnė regresijų klasė, apimanti tiesinę ir netiesinę regresijas su keliais aiškinamaisiais kintamaisiais.
Regresija kaip priemonė padeda kaupti duomenis kartu ir padėti žmonėms bei įmonėms priimti pagrįstus sprendimus. Regresijoje yra įvairių kintamųjų, įskaitant priklausomą kintamąjį - pagrindinį kintamąjį, kurį bandote suprasti, ir nepriklausomą kintamąjį - veiksnius, kurie gali turėti įtakos priklausomam kintamajam.
Norėdami, kad regresinė analizė veiktų, turite surinkti visus susijusius duomenis. Jis gali būti pateiktas diagramoje su x ašimi ir y ašimi.
Yra keletas pagrindinių priežasčių, kodėl žmonės naudoja regresinę analizę:
- Numatyti būsimas ekonomines sąlygas, tendencijas ar vertesNorėdami nustatyti ryšį tarp dviejų ar daugiau kintamųjųKad suprastumėte, kaip keičiasi vienas kintamasis, kai keičiasi kitas
Yra daugybė skirtingų regresinės analizės rūšių. Šiame straipsnyje apžvelgsime du: tiesinę regresiją ir daugialypę regresiją.
Tiesinė regresija
Jis taip pat vadinamas paprasta tiesine regresija. Tai nustato dviejų kintamųjų ryšį tiesia linija. Tiesine regresija bandoma nubrėžti liniją, kuri yra arčiausiai duomenų, suradus nuolydį ir kirtį, kurie apibūdina liniją ir iki minimumo sumažina regresijos klaidas.
Jei du ar daugiau aiškinamųjų kintamųjų turi linijinį ryšį su priklausomu kintamuoju, regresija vadinama daugybine tiesine regresija.
Daugelis duomenų ryšių nėra tiesios linijos, todėl statistikai vietoj jų naudoja netiesinę regresiją. Jie abu yra panašūs tuo, kad abu grafiškai stebi tam tikrą kintamųjų rinkinio reakciją. Bet netiesiniai modeliai yra sudėtingesni nei linijiniai modeliai, nes funkcija sukuriama remiantis prielaidų, kurios gali kilti iš bandymų ir klaidų, serija.
Daugybinė regresija
Retas atvejis, kai priklausomas kintamasis paaiškinamas tik vienu kintamuoju. Tokiu atveju analitikas naudoja daugialypę regresiją, kuria bandoma paaiškinti priklausomą kintamąjį naudojant daugiau nei vieną nepriklausomą kintamąjį. Kelios regresijos gali būti tiesinės ir netiesinės.
Daugybinė regresija grindžiama prielaida, kad tiek priklausomi, tiek nepriklausomi kintamieji yra tiesiški. Taip pat daroma prielaida, kad nepriklausomų kintamųjų reikšmingos koreliacijos nėra.
Kaip minėta aukščiau, yra keletas skirtingų privalumų, naudojant regresinę analizę. Šiuos modelius gali naudoti verslas ir ekonomistai, kad padėtų priimti praktinius sprendimus.
Bendrovė gali ne tik naudoti regresinę analizę, kad suprastų tam tikras situacijas, pvz., Kodėl klientų aptarnavimo skambučiai mažėja, bet ir gali numatyti į ateitį orientuotas prognozes, pavyzdžiui, pardavimų skaičius ateityje, ir priimti svarbius sprendimus, pavyzdžiui, specialius pardavimus ir akcijas.
Tiesinė regresija ir daugialypė regresija: pavyzdys
Apsvarstykite analitiką, norintį nustatyti linijinį ryšį tarp kasdienio bendrovės akcijų kainų pokyčio ir kitų aiškinamųjų kintamųjų, tokių kaip dienos prekybos apimties pokyčiai ir kasdieniai rinkos grąžos pokyčiai. Jei jis vykdytų regresiją, kai kasdien keičiasi bendrovės akcijų kainos kaip priklausomas kintamasis, o dienos prekybos pokytis - kaip nepriklausomas kintamasis, tai būtų paprastos tiesinės regresijos su vienu aiškinamuoju kintamuoju pavyzdys.
Jei analitikas prie regresijos pridėtų kasdienį rinkos grąžos pokytį, tai būtų daugialypė tiesinė regresija.
Pagrindiniai išvežamieji daiktai
- Regresinė analizė yra įprastas statistinis metodas, naudojamas finansuose ir investuojant. Tiesinė regresija yra viena iš labiausiai paplitusių regresinės analizės metodų. Daugybinė regresija yra platesnė regresijų klasė, apimanti tiesinę ir netiesinę regresijas su keliais aiškinamaisiais kintamaisiais.
