Lineární regrese vs. vícenásobná regrese: Přehled
Regresní analýza je běžná statistická metoda používaná ve financích a investování. Lineární regrese je jednou z nejčastějších technik regresní analýzy. Vícečetná regrese je širší třída regrese, která zahrnuje lineární a nelineární regrese s více vysvětlujícími proměnnými.
Regrese jako nástroj pomáhá shromažďovat data společně, aby pomohla lidem a společnostem činit informovaná rozhodnutí. Při regresi jsou při hře různé proměnné, včetně závislé proměnné - hlavní proměnné, které se snažíte pochopit - a nezávislé proměnné - faktorů, které mohou mít vliv na závislou proměnnou.
Abyste mohli provést regresní analýzu, musíte shromáždit všechna relevantní data. Může být prezentován na grafu s osou xa osou y.
Existuje několik hlavních důvodů, proč lidé používají regresní analýzu:
- Pro předpovídání budoucích ekonomických podmínek, trendů nebo hodnot. Pro určení vztahu mezi dvěma nebo více proměnnými Abychom pochopili, jak se jedna proměnná mění, když se mění jiná
Existuje mnoho různých druhů regresní analýzy. Pro účely tohoto článku se podíváme na dvě: lineární regrese a vícenásobná regrese.
Lineární regrese
Nazývá se také jednoduchá lineární regrese. Určuje vztah mezi dvěma proměnnými pomocí přímky. Lineární regrese se pokouší nakreslit čáru, která je nejblíže datům, tím, že najde sklon a zastaví, které definují linii a minimalizují regresní chyby.
Pokud mají dvě nebo více vysvětlujících proměnných lineární vztah k závislé proměnné, nazývá se regrese vícenásobnou lineární regresí.
Mnoho datových vztahů nesleduje přímou linii, proto statistici místo toho používají nelineární regresi. Obě jsou podobné tím, že obě graficky sledují konkrétní odezvu ze sady proměnných. Nelineární modely jsou však komplikovanější než lineární modely, protože funkce je vytvořena pomocí řady předpokladů, které mohou vycházet z pokusů a omylů.
Více regrese
Je vzácné, že závislá proměnná je vysvětlena pouze jednou proměnnou. V tomto případě analytik používá vícenásobnou regresi, která se pokouší vysvětlit závislou proměnnou pomocí více než jedné nezávislé proměnné. Více regresí může být lineární a nelineární.
Více regresí je založeno na předpokladu, že existuje lineární vztah mezi závislými i nezávislými proměnnými. Rovněž nepředpokládá žádnou větší korelaci mezi nezávislými proměnnými.
Jak je uvedeno výše, použití regresní analýzy má několik různých výhod. Tyto modely mohou podniky a ekonomové využít k praktickým rozhodnutím.
Společnost může nejen použít regresní analýzu k porozumění určitým situacím, jako je důvod, proč volají služby zákazníkům, ale také k předvídání budoucích prognóz, jako jsou údaje o prodeji, a učinit důležitá rozhodnutí, jako jsou speciální prodeje a propagace.
Lineární regrese vs. vícenásobná regrese: Příklad
Zvažte analytika, který si přeje navázat lineární vztah mezi denní změnou cen akcií společnosti a dalšími vysvětlujícími proměnnými, jako je denní změna objemu obchodování a denní změna tržních výnosů. Pokud provede regresi s denní změnou cen akcií společnosti jako závislou proměnnou a denní změnou objemu obchodování jako nezávislou proměnnou, jedná se o příklad jednoduché lineární regrese s jednou vysvětlující proměnnou.
Pokud analytik přidá do regrese denní změnu tržních výnosů, bude to vícenásobná lineární regrese.
Klíč s sebou
- Regresní analýza je běžná statistická metoda používaná ve financích a investování. Lineární regrese je jednou z nejčastějších technik regresní analýzy. Vícečetná regrese je širší třída regrese, která zahrnuje lineární a nelineární regrese s více vysvětlujícími proměnnými.
