Linearna regresija

Analiza regresije se može dodati u statističkim metodama proučavanja odnos određenim varijablama (zavisne i nezavisne). U tom slučaju, nezavisne varijable se nazivaju „kovarijable” i ovisni - „criterial”. Kada se provodi linearne regresijske analize ovisna varijabla prikaz poprima oblik ljestvici. Postoji vjerojatnost prisutnosti nelinearnih odnosa između varijabli koje se odnose na ljestvici, ali taj problem već riješen metodama nelinearne regresije, što nije predmet ovog članka.

Linearna regresija je vrlo uspješno koristi kao u matematičkim izračunima, i ekonomske studije na temelju statističkih podataka.

Dakle, uzeti u obzir ovaj regresija više. Sa stajališta matematičkoj metodi određivanja linearnu vezu između nekih varijabli linearne regresije se mogu prikazati kao formulom: y = A + bx. Za objašnjenje ove formule može se naći u bilo kojem udžbeniku o ekonometrije.

Kada širi broj promatranja (do n-tom broju puta) dobiven linearne regresije, predstavljen formulom:

yi = A + bxi + ei,

gdje EI - neovisni, jednako raspoređena, slučajnih varijabli.

U ovom članku želio bih platiti više pozornosti na ovaj koncept sa stajališta prognoziranje budućeg cijenu na temelju prethodnih podataka. U ovom području, procijenili smo linearna regresija aktivno koristi metode najmanjih kvadrata, koja pomaže izgraditi „najprikladnije” pravac kroz određeni broj vrijednosti cijena bodova. Ulazni podaci korišteni od strane cijeni, što znači visoke, niske, zatvaranje ili otvaranje, a prosjek tih vrijednosti (primjerice zbroj maksimalnih i minimalnih podijeljena po dva). Isto tako, ovi podaci prije izgradnje odgovarajući redak može samovoljno biti izglađen.

Kao što je gore spomenuto, linearna regresija često se koristi od strane analitičara da bi se utvrdio trend na temelju cijene i vremena. U tom slučaju, nagib pokazatelja regresijske će odrediti veličinu promjena cijena po jedinici vremena. Jedan od uvjeta za ispravne odluke, koristeći ovaj pokazatelj je korištenje generatora signala, slijedeći trend nagiba regresije. Ako se izvrši pozitivan nagib (diže linearna regresija) kupnja ako je vrijednost pokazatelja veća od nule. Tijekom negativan nagib (smanjuje regresije) za prodaju bi trebao biti na negativne vrijednosti indikatora (manje od nule).

Kao što se koristi u određivanju najbolje linija odgovara određenom broju cijene boda, metoda najmanjih kvadrata podrazumijeva da sljedeći algoritam:

- je ukupna izraz razlike kvadrata cijena i regresijske linije;

- je omjer ovog iznosa, a broj stupaca u rasponu od regresije serija podataka;

- o rezultatima računaju kvadratni korijen, što odgovara standardnom devijacijom.

Jednostavna linearna regresija jednadžba ima model:

y (x) = f (x) ^,

gdje - produktivni značajke prikazane na zavisnu varijablu;

x - sebi ili nezavisna varijabla;

^ Označava nedostatak stroge funkcionalne veze između varijabli x i y. Dakle, u svakom pojedinom slučaju, varijabla y može se sastojati od takvih uvjeta:

y = YX + ε,

gdje - stvarni podaci rezultat;

uh - teoretski podaci rezultat određene rješavanjem jednadžbe regresije ;

ε - slučajna varijabla koja karakterizira odstupanje između stvarne vrijednosti i teorijski.