Lineáris regresszió vs. többszörös regresszió: áttekintés
A regressziós elemzés a pénzügyi és befektetési célokra alkalmazott általános statisztikai módszer. A lineáris regresszió az egyik leggyakoribb módszer a regresszió elemzéséhez. A többes regresszió a regresszió szélesebb osztálya, amely magában foglalja a lineáris és nemlineáris regressziókat, több magyarázó változóval.
A regresszió eszközként segíti az adatgyűjtést, hogy segítse az embereket és a vállalatokat megalapozott döntések meghozatalában. A regresszióban különböző változók vannak a játékban, beleértve egy függő változót - a fő változót, amelyet megpróbálsz megérteni - és egy független változót - olyan tényezőket, amelyek hatással lehetnek a függő változóra.
Annak érdekében, hogy a regressziós elemzés működjön, össze kell gyűjtenie az összes vonatkozó adatot. Ez ábrázolható egy grafikonon, x tengely és y tengely segítségével.
Számos fő oka van annak, hogy az emberek regressziós elemzést használnak:
- A jövőbeli gazdasági feltételek, trendek vagy értékek előrejelzéseA kettő vagy több változó közötti kapcsolat meghatározásaA megértéshez, hogy az egyik változó miként változik, amikor egy másik változik
Sokféle regressziós elemzés létezik. E cikk alkalmazásában kettőt fogunk megnézni: lineáris regresszió és többes regresszió.
Lineáris regresszió
Ezt egyszerű lineáris regressziónak is nevezik. Megállapítja a két változó kapcsolatát egy egyenes használatával. A lineáris regresszió megkísérel egy olyan vonalt húzni, amely az adatokhoz legközelebb van, megkeresve a meredekséget és az elfogást, amelyek meghatározzák a sort és minimalizálják a regressziós hibákat.
Ha két vagy több magyarázó változó lineáris kapcsolatban áll a függő változóval, akkor a regressziót többszörös lineáris regressziónak nevezzük.
Sok adatkapcsolat nem egyenes vonalú, ezért a statisztikusok nemlineáris regressziót használnak. A kettő hasonló abban az értelemben, hogy mindkettő grafikusan követi a változók halmaza egy adott válaszát. A nemlineáris modellek azonban bonyolultabbok, mint a lineáris modellek, mivel a függvény egy feltételezés sorozatán keresztül jön létre, amelyek próba és hiba következményei lehetnek.
Többszörös regresszió
Ritka, hogy egy függő változót csak egy változó magyaráz meg. Ebben az esetben az elemző többszörös regressziót használ, amely megkísérel magyarázni egy függő változót egynél több független változó felhasználásával. A többszörös regresszió lehet lineáris és nemlineáris.
A többszörös regresszió azon a feltételezésen alapul, hogy lineáris kapcsolat van mind a függő, mind a független változók között. Ezenkívül nem feltételezi, hogy a független változók között jelentős korreláció lenne.
Mint fentebb említettük, a regressziós elemzésnek számos különféle előnye van. Ezeket a modelleket a vállalkozások és közgazdászok felhasználhatják a gyakorlati döntések meghozatalához.
A vállalat nemcsak a regressziós elemzést használhatja bizonyos helyzetek megértésére, például az ügyfélszolgálati hívások visszaszorulásának okaira, hanem előretekintő előrejelzések készítésére is, mint például a jövőbeni eladási adatok, és fontos döntéseket hozhat, mint például a speciális értékesítések és promóciók.
Lineáris regresszió vs. többszörös regresszió: Példa
Vegyünk egy elemzőt, aki lineáris kapcsolatot kíván létrehozni a társaság részvényárfolyamának napi változása és más magyarázó változók, például a kereskedelem volumenének napi változása és a piaci hozamok napi változása között. Ha regressziót hajt végre a társaság részvényárainak napi változásával, mint függő változóval, és a napi kereskedelemmennyiség változásával, mint független változóval, ez egy egyszerű lineáris regresszió példája egy magyarázó változóval.
Ha az elemző hozzáadja a piaci hozamok napi változását a regresszióhoz, akkor több lineáris regresszió lenne.
Kulcs elvihető
- A regressziós elemzés a pénzügyi és befektetési célokra alkalmazott általános statisztikai módszer. A lineáris regresszió az egyik leggyakoribb módszer a regresszió elemzéséhez. A többes regresszió a regresszió szélesebb osztálya, amely magában foglalja a lineáris és nemlineáris regressziókat, több magyarázó változóval.
