Lineární regrese

Regresní analýza mohou být přidány do statistických metod studia vztahů mezi specifickými proměnnými (závislé a nezávislé). V tomto případě jsou nezávislé proměnné jsou nazývány „proměnnými“ a závisí - „kriteriální“. Při provádění lineární regresní analýzy závislá proměnná znázornění formu časové přímce. Tam je pravděpodobnost přítomnosti nelineárních vztahů mezi proměnných týkajících se dílek stupnice, ale tento problém již byl řešen metodami nelineární regrese, která není předmětem tohoto článku.

Se použije lineární regrese poměrně úspěšně jako v matematických výpočtů a v ekonomických studií založených na statistických údajích.

Takže to považují regrese více. Z hlediska matematických metod stanovení lineární vztah mezi některé proměnné lineární regrese může být vyjádřena jako vzorec: y = a + bx. Pro vysvětlení tohoto vzorce lze nalézt v každém učebnice ekonometrie.

Při rozšíření počtu pozorování (až n-tý počet opakování), získaný jednoduchou lineární regresí, reprezentovaná vzorcem:

yi = A + bxi + ei,

kde EI - nezávislé, stejně rozdělené, náhodné veličiny.

V tomto článku bych chtěl věnovat více pozornosti této koncepce z hlediska předpovídání budoucího cenu na základě předchozích dat. V této oblasti se odhaduje, lineární regrese se aktivně pomocí metody nejmenších čtverců, který pomáhá k vytvoření „nejvhodnější“ přímku přes určitý počet hodnot cenových. Vstupní data používané cenu, což znamená vysoký, nízký uzavření či otevření, a průměr těchto hodnot (například součet maxima a minima děleno dvěma). Také tyto údaje před vybudování vhodného linku lze libovolně vyhlazeny.

Jak bylo uvedeno výše, lineární regrese je často používán analytiky ke stanovení trendu na základě ceny a času. V tomto případě bude sklon indikátoru regresní určit velikost cenových změn za jednotku času. Jednou z podmínek pro správné rozhodnutí pomocí tohoto ukazatele je použití generátoru signálu v návaznosti na trend sklonu regrese. Je-li proveden pozitivní sklon (stoupající lineární regrese) nákup v případě, že hodnota ukazatele je větší než nula. Při negativním sklonem (klesající regrese) k prodeji by mělo být záporné hodnoty ukazatele (menší než nula).

Jak se používá v určení nejlepší linie odpovídající na určitý počet cenových, metoda nejmenších čtverců znamená, že následující algoritmus:

- je celková exprese rozdílu čtverců cen a regresní přímky;

- je poměr této částky a počet tyčí v rozsahu datové řady regresní;

- na výsledek počítán odmocniny, což odpovídá standardní odchylka.

Jednoduchá lineární regrese Rovnice má model:

y (x) = f (x) ^,

kde - produktivní funkce představil závislou proměnnou;

x - vysvětlující nebo nezávislé proměnné;

^ Indikuje nepřítomnost přísné funkčního vztahu mezi proměnných x a y. Z tohoto důvodu, v každém jednotlivém případě, je proměnná y se může skládat z těchto podmínek:

y = yx + ε,

kde - skutečné údaje o výsledek;

uh - teoretické dat výsledek určen vyřešením regresní rovnice ;

ε - náhodná veličina, která charakterizuje odchylku mezi skutečnou hodnotou a teorie.