Lineárna regresia vs. viacnásobná regresia: Prehľad
Regresná analýza je bežná štatistická metóda používaná vo financiách a investovaní. Lineárna regresia je jednou z najbežnejších techník regresnej analýzy. Viacnásobná regresia je širšia skupina regresií, ktorá zahŕňa lineárne a nelineárne regresie s viacerými vysvetľujúcimi premennými.
Regresia ako nástroj pomáha zhromažďovať údaje spoločne a pomáha ľuďom a spoločnostiam robiť informované rozhodnutia. Pri regresii sa hrajú rôzne premenné vrátane závislej premennej - hlavnej premennej, ktorej sa snažíte porozumieť - a nezávislej premennej - faktorov, ktoré môžu mať vplyv na závislú premennú.
Ak chcete vykonať regresnú analýzu, musíte zhromaždiť všetky príslušné údaje. Môže byť uvedený v grafe s osou x a osou y.
Existuje niekoľko hlavných dôvodov, prečo ľudia používajú regresnú analýzu:
- Na predpovedanie budúcich ekonomických podmienok, trendov alebo hodnôtOdhadnite vzťah medzi dvoma alebo viacerými premennými. Aby ste pochopili, ako sa jedna premenná mení, keď sa mení
Existuje mnoho rôznych druhov regresnej analýzy. Na účely tohto článku sa pozrieme na dve časti: lineárna regresia a viacnásobná regresia.
Lineárna regresia
Nazýva sa to aj jednoduchá lineárna regresia. Stanovuje vzťah medzi dvoma premennými pomocou priamky. Lineárna regresia sa pokúša nakresliť čiaru, ktorá je najbližšie k údajom, a to tak, že nájde sklon a priesečník, ktorý definuje čiaru a minimalizuje chyby regresie.
Ak majú dve alebo viac vysvetľujúcich premenných lineárny vzťah so závislou premennou, regresia sa nazýva viacnásobná lineárna regresia.
Mnoho dátových vzťahov sa neriadi priamou čiarou, takže štatistici namiesto toho používajú nelineárnu regresiu. Tieto dve možnosti sú podobné tým, že obe graficky sledujú konkrétnu odpoveď zo súboru premenných. Nelineárne modely sú však komplikovanejšie ako lineárne modely, pretože ich funkcia sa vytvára prostredníctvom série predpokladov, ktoré môžu prameniť z pokusov a omylov.
Viacnásobná regresia
Zriedkavo je závislá premenná vysvetlená iba jednou premennou. V tomto prípade analytik používa viacnásobnú regresiu, ktorá sa pokúša vysvetliť závislú premennú pomocou viac ako jednej nezávislej premennej. Viaceré regresie môžu byť lineárne a nelineárne.
Viaceré regresie sú založené na predpoklade, že existuje lineárny vzťah medzi závislými aj nezávislými premennými. Nepočíta ani so žiadnou významnou koreláciou medzi nezávislými premennými.
Ako je uvedené vyššie, použitie regresnej analýzy má niekoľko rôznych výhod. Podniky a ekonómovia môžu tieto modely použiť pri praktických rozhodnutiach.
Spoločnosť môže nielen použiť regresnú analýzu na pochopenie určitých situácií, ako je napríklad pokles počtu volaní na zákaznícke služby, ale aj na budúce predpovede, ako sú údaje o predaji, a robiť dôležité rozhodnutia, ako sú špeciálne predaja a propagácie.
Lineárna regresia vs. viacnásobná regresia: Príklad
Zoberme si analytika, ktorý chce nadviazať lineárny vzťah medzi dennou zmenou cien akcií spoločnosti a inými vysvetľujúcimi premennými, ako je denná zmena objemu obchodovania a denná zmena trhových výnosov. Keby uskutočňoval regresiu s dennou zmenou cien akcií spoločnosti ako závislou premennou a dennou zmenou objemu obchodovania ako nezávislou premennou, bol by to príklad jednoduchej lineárnej regresie s jednou vysvetľujúcou premennou.
Ak analytik pridá do regresie dennú zmenu trhových výnosov, bude to viacnásobná lineárna regresia.
Kľúčové jedlá
- Regresná analýza je bežná štatistická metóda používaná vo financiách a investovaní. Lineárna regresia je jednou z najbežnejších techník regresnej analýzy. Viacnásobná regresia je širšia skupina regresií, ktorá zahŕňa lineárne a nelineárne regresie s viacerými vysvetľujúcimi premennými.
![Pochopenie lineárnej regresie vs. viacnásobnej regresie Pochopenie lineárnej regresie vs. viacnásobnej regresie](https://img.icotokenfund.com/img/financial-analysis/572/linear-regression-vs.jpg)