Лінійна регресія проти множинної регресії: огляд
Регресійний аналіз - це загальний статистичний метод, який використовується у фінансах та інвестуванні. Лінійна регресія - одна з найпоширеніших методик регресійного аналізу. Множинна регресія - це більш широкий клас регресій, який охоплює лінійні та нелінійні регресії з декількома пояснювальними змінними.
Регресія як інструмент допомагає об'єднати дані разом, щоб допомогти людям та компаніям приймати обґрунтовані рішення. У регресії відтворюються різні змінні, включаючи залежну змінну - основну змінну, яку ви намагаєтеся зрозуміти - та незалежну змінну - фактори, які можуть впливати на залежну змінну.
Для того, щоб зробити аналіз регресійного аналізу, потрібно зібрати всі відповідні дані. Він може бути представлений на графіку з віссю x та осі у.
Є кілька основних причин, коли люди використовують регресійний аналіз:
- Щоб передбачити майбутні економічні умови, тенденції або значення, щоб визначити взаємозв'язок між двома або більше змінними, щоб зрозуміти, як змінюється одна змінна, коли змінюється інша
Існує багато різних видів регресійного аналізу. Для цієї статті ми розглянемо два: лінійна регресія та множинна регресія.
Лінійна регресія
Його ще називають простою лінійною регресією. Він встановлює зв'язок між двома змінними за допомогою прямої лінії. Лінійна регресія намагається провести лінію, яка наближається до даних шляхом пошуку нахилу та перехоплення, що визначають лінію та мінімізують помилки регресії.
Якщо дві або більше пояснювальних змінних мають лінійний зв'язок із залежною змінною, регресія називається множинною лінійною регресією.
Багато зв'язків даних не йдуть за прямою лінією, тому статистики використовують натомість нелінійну регресію. Обидва вони схожі тим, що обидва відслідковують певну відповідь із набору змінних графічно. Але нелінійні моделі складніші за лінійні моделі, оскільки функція створюється через низку припущень, які можуть бути результатом спроб та помилок.
Множинна регресія
Рідко буває, що залежна змінна пояснюється лише однією змінною. У цьому випадку аналітик використовує множину регресії, яка намагається пояснити залежну змінну, використовуючи більш ніж одну незалежну змінну. Множинні регресії можуть бути лінійними та нелінійними.
Множинні регресії засновані на припущенні, що існує лінійна залежність як залежної, так і незалежної змінних. Він також не передбачає значної кореляції між незалежними змінними.
Як було сказано вище, існує кілька різних переваг використання регресійного аналізу. Ці моделі можуть використовуватися бізнесом та економістами для прийняття практичних рішень.
Компанія може не тільки використовувати регресійний аналіз, щоб зрозуміти певні ситуації, як-от чому виклики обслуговування клієнтів відпадають, але й робити прогнозні прогнози, як цифри продажів у майбутньому, та приймати важливі рішення, як-от спеціальні продажі та акції.
Лінійна регресія проти множинної регресії: приклад
Розглянемо аналітика, який бажає встановити лінійну залежність між щоденними змінами цін акцій компанії та іншими пояснювальними змінними, такими як щоденна зміна обсягу торгів та щоденна зміна прибутковості ринку. Якщо він керує регресією із щоденною зміною цін акцій компанії як залежною змінною, а щоденна зміна обсягу торгів як незалежна змінна, це буде прикладом простої лінійної регресії з однією пояснювальною змінною.
Якщо аналітик додає щоденну зміну повернення ринку в регресію, це було б множинною лінійною регресією.
Ключові вивезення
- Регресійний аналіз - це загальний статистичний метод, який використовується у фінансах та інвестуванні. Лінійна регресія - одна з найпоширеніших методик регресійного аналізу. Множинна регресія - це більш широкий клас регресій, який охоплює лінійні та нелінійні регресії з декількома пояснювальними змінними.
