Linearna regresija v primerjavi z večkratno regresijo: pregled
Regresijska analiza je običajna statistična metoda, ki se uporablja pri financah in naložbah. Linearna regresija je ena najpogostejših tehnik regresijske analize. Večkratna regresija je širši razred regresij, ki zajema linearne in nelinearne regresije z več pojasnjevalnimi spremenljivkami.
Regresija kot orodje pomaga združevati podatke, da bi ljudem in podjetjem pomagali pri sprejemanju informacij. V regresiji se igrajo različne spremenljivke, vključno z odvisno spremenljivko - glavno spremenljivko, ki jo poskušate razumeti - in neodvisno spremenljivko - dejavniki, ki lahko vplivajo na odvisno spremenljivko.
Če želite narediti regresijsko analizo, morate zbrati vse ustrezne podatke. Lahko je predstavljen na grafu, z x in osi y.
Obstaja več glavnih razlogov, da ljudje uporabljajo regresijsko analizo:
- Za napoved prihodnjih gospodarskih razmer, trendov ali vrednostiDoločite razmerje med dvema ali več spremenljivkami, če želite razumeti, kako se spremeni ena spremenljivka, ko se druga
Obstaja veliko različnih vrst regresijske analize. Za namen tega članka si bomo ogledali dve: linearna regresija in večkratna regresija.
Linearna regresija
Imenujejo ga tudi preprosta linearna regresija. Vzpostavi razmerje med dvema spremenljivkama z uporabo premice. Linearna regresija poskuša narisati črto, ki je najbližje podatkom z iskanjem naklona in prestrezanja, ki definirajo črto in zmanjšajo regresijske napake.
Če imata dve ali več razlagalnih spremenljivk linearno razmerje do odvisne spremenljivke, se regresija imenuje večkratna linearna regresija.
Veliko podatkovnih odnosov ne sledi pravi liniji, zato statistiki namesto tega uporabljajo nelinearno regresijo. Obe sta si podobni, saj obe slikovno spremljata določen odziv iz nabora spremenljivk. Toda nelinearni modeli so bolj zapleteni kot linearni modeli, ker je funkcija ustvarjena s serijo predpostavk, ki lahko izhajajo iz poskusov in napak.
Večkratna regresija
Redko je, da odvisno spremenljivko razloži samo ena spremenljivka. V tem primeru analitik uporabi več regresij, ki poskuša razložiti odvisno spremenljivko z več kot eno neodvisno spremenljivko. Več regresij je lahko linearnih in nelinearnih.
Več regresij temelji na predpostavki, da obstaja linearna povezava med odvisnimi in neodvisnimi spremenljivkami. Prav tako ne predvideva večje korelacije med neodvisnimi spremenljivkami.
Kot že omenjeno, je uporaba regresijske analize več različnih prednosti. Te modele lahko podjetja in ekonomisti uporabljajo pri praktičnih odločitvah.
Podjetje ne more uporabiti samo regresijske analize, da bi razumelo nekatere situacije, kot je, zakaj klici za storitve za stranke upadajo, ampak tudi za oblikovanje napovedanih napovedi, kot so podatki o prodaji v prihodnosti, in za sprejemanje pomembnih odločitev, kot so posebna prodaja in promocije.
Linearna regresija proti večkratni regresiji: Primer
Razmislite o analitiku, ki želi vzpostaviti linearno razmerje med dnevno spremembo cen delnic podjetja in drugimi pojasnjevalnimi spremenljivkami, kot so dnevne spremembe obsega trgovanja in dnevne spremembe tržnih donosov. Če vodi regresijo z dnevno spremembo cen delnic podjetja kot odvisne spremenljivke in dnevno spremembo obsega trgovanja kot neodvisno spremenljivko, bi bil to primer enostavne linearne regresije z eno pojasnjevalno spremenljivko.
Če analitik v regresijo doda dnevne spremembe tržnih donosov, bi bila to večkratna linearna regresija.
Ključni odvzemi
- Regresijska analiza je običajna statistična metoda, ki se uporablja pri financah in naložbah. Linearna regresija je ena najpogostejših tehnik regresijske analize. Večkratna regresija je širši razred regresij, ki zajema linearne in nelinearne regresije z več pojasnjevalnimi spremenljivkami.
