Lineaarse regressiooni

Regressioonanalüüs saab lisada statistilisi meetodeid vaheliste seoste uurimisel konkreetsete muutujate (sõltuv ja sõltumatu). Sel juhul sõltumatud muutujad on kutsutud "ühismuutujaid" ja sõltuv - "criterial". Kui läbi lineaarse regressioonanalüüsi sõltuv muutuja esindatuse vormiks intervalliga mastaabis. On esinemise tõenäosus mittelineaarsete seoseid muutujate seotud intervalli skaalal, kuid see probleem on juba lahendatud meetodeid mittelineaarset regressiooni, mis ei ole teema see artikkel.

Kasutati lineaarset regressiooni üsna edukaks nagu matemaatilisi arvutusi ja majanduslikud uuringud põhinevad statistilised andmed.

Nii pea seda regressiooni rohkem. Vaatepunktist matemaatilise suuruse määramisel tuleb lineaarne seos mõnede muutujate lineaarset regressiooni võib olla esindatud valemiga: y = a + bx. Selgituse see valem võib leida mis tahes õpik ökonomeetria.

Kui arvu suurendamist vaatlus (kuni n-nda kordade arv) saavutatakse tavalise lineaarse regressiooni, mida esindab valem:

yi = A + BXI + ei,

kus EI - sõltumatu, samamoodi laiali, juhuslikud muutujad.

Käesolevas artiklis ma tahaksin rohkem tähelepanu pöörama sellele kontseptsiooni seisukohalt tulevikku ennustada hinna eelnevate andmete põhjal. Selles valdkonnas, meie hinnangul lineaarse regressiooni aktiivselt kasutades vähimruutude meetodit, mis aitab ehitada "kõige sobivam" sirgjoont teatud väärtusi hinna võrra. Kasutatud sisendandmeid poolt viitehinnaga, mis tähendab kõrge, madal, sulgemiseks ja avamiseks, ja keskmine nendest väärtustest (näiteks summa maksimaalne ja minimaalne jagatud kahega). Ka need andmed enne hoone sobiva line saab meelevaldselt silutud.

Nagu eespool mainitud, lineaarse regressiooni kasutatakse sageli analüütikud määrata trendi põhjal hinnaga ja aega. Sel juhul kalle regressiooni näitaja määrab ulatus hinnamuutuste ajaühikus. Üks tingimused õige otsuse lehe on see näitaja kasutamise signaaligeneraatoriga, järgmine trend Kalde regressiooni. Kui positiivse kaldega (tõusev lineaarse regressiooni) ostu tehakse juhul, kui näitaja väärtus on suurem kui null. Ajal negatiivse kaldega (väheneb regressiooni) müügiks peaks olema negatiivne näitaja väärtused (vähem kui null).

Nagu määramisel kasutatakse parim liin vastab teatud hinna võrra, vähimruutude meetod tähendab, et järgmise algoritmi:

- on kokku ekspressiooni erinevust ruutude hindu ja regressioonisirge;

- on suhe selle summa ja tulpade arv jääb vahemikku regressiooni andmeseeriaid;

- upon tulemuse arvutada ruutjuure mis vastab standardhälve.

Simple lineaarse regressiooni võrrandi on mudel:

y (x) = f (x) ^,

kus - produktiivne esitatud tunnuste sõltuv muutuja;

x - selgitavat või sõltumatu muutuja;

^ Tähistab puudumisel range funktsionaalset seost vahel muutujate x ja y. Seetõttu on igal üksikjuhtumil, muutuja y võib koosneda sellistest tingimustest:

y = yx + ε,

kui - tegelik tulemus andmed;

uh - teoreetiline tulemus andmed määrati lahendades regressioonivalemi ;

ε - juhusliku muutuja mis iseloomustab hälve tegeliku väärtuse ja teoreetilise.