Linearne regresije

Regresijska analiza se lahko doda statističnih metod preučevanja odnosa med posebnimi spremenljivkami (odvisnimi in neodvisnimi). V tem primeru so neodvisne spremenljivke imenujemo "spremenljivki" in odvisni - "kriterijsko". Pri izvajanju linearno regresijsko analizo odvisna spremenljivka predstavitev v obliki intervalne lestvice. Obstaja verjetnost prisotnosti nelinearnih odnosov med spremenljivkami, povezanih z razdelkom, ampak ta problem že rešen z metodami, ki niso linearne regresije, ki ni predmet tega članka.

Linearna regresija je bila zelo uspešno uporabljena kot pri matematičnih izračunih in ekonomskih študij, ki temeljijo na statističnih podatkih.

Torej, da je to regresija več. Z vidika matematične metode določanja linearnega razmerja med nekaterimi spremenljivkami linearna regresija lahko predstavimo z enačbo: y = a + bx. Za razlago te formule je mogoče najti v nobenem učbeniku na ekonometrije.

Pri povečanje števila opazovanja (do n-th kolikokrat) dobilo z enostavno linearno regresijo, ki jo predstavlja formula:

yi = A + bxi + ei,

kjer ei - neodvisni, enako porazdeljene, naključne spremenljivke.

V tem članku bi rad, da več pozornosti, da ta koncept z vidika napovedovanja prihodnje cene, ki temelji na predhodnih podatkih. Na tem področju, ocenjujemo, linearna regresija aktivno uporabo metode najmanjših kvadratov, ki pomaga graditi "najbolj primeren" ravno črto skozi določeno število vrednosti cenovnih točk. Vhodni podatki s točko ceni uporabljajo, kar pomeni visok, nizek, zapiranje ali odpiranje in povprečje teh vrednosti (npr vsota maksimuma in minimuma deljeno z dva). Prav tako se lahko ti podatki pred gradnjo ustrezno črto ne sme samovoljno zglajena.

Kot je navedeno zgoraj, je linearna regresija analitiki pogosto uporabljajo za določanje trenda na podlagi cene in časa. V tem primeru, bo naklon kazalnika regresijsko določi obseg sprememb cen na enoto časa. Eden od pogojev za pravilno odločbo uporabo tega kazalnika je uporaba generatorja signala, ki sledi trendu nagiba regresije. Če je pozitiven naklon (narašča linearno regresijo) nakup opraviti, če je vrednost kazalnika večja od nič. Med negativne pobočju (padajoči regresijsko) za prodajo mora biti na negativne vrednosti kazalnika (manj kot nič).

Kot se uporablja pri določanju najboljšega vrsto, ki ustreza določenemu številu cenovnih točk, metoda najmanjših kvadratov pomeni, da naslednji algoritem:

- je skupni izraz za razliko kvadratov cen in regresijski premici;

- je razmerje te vsote in število barov v območju od regresijske podatkovnega niza;

- odvisen od rezultata izračuna kvadratni koren, ki ustreza standardnim odstopanjem.

Enostavno linearne regresijske enačbe ima model:

y (x) = f (x) ^,

kjer - produktivni lastnosti predstavila odvisno spremenljivko;

x - z razlago ali neodvisna spremenljivka;

^ Opozarja, da ni strogo funkcionalno razmerje med spremenljivk x in y. Tako je v posameznem primeru, lahko spremenljivka Y sestoji iz takih pogojev:

y = YX + ε,

kjer - dejanski podatki rezultat;

uh - teoretični podatki rezultat z reševanjem določene regresijsko enačbo ;

ε - naključna spremenljivka, ki označuje odstopanje med dejansko vrednostjo in teoretična.