Regressioanalyysi voidaan lisätä tilastollisia menetelmiä tutkimuksen suhteen luominen eräiden muuttujien (riippuvainen ja riippumaton).Samaan riippumattomia muuttujia kutsutaan "kovariaattien" ja osakkuusyritysten - "criterial".Esittelyn yhteydessä lineaarista regressioanalyysiä riippuva muuttuja on muodoltaan välein mittakaavassa.On mahdollista ottaa epälineaarinen väliset suhteet liittyviä muuttujia välimatka-asteikko, mutta tämä tehtävä on ratkaistu epälineaarinen regressio, joka ei kuulu tämän artikkelin.
Lineaarinen regressio on käytetty menestyksekkäästi kuin matemaattisia laskelmia, sekä taloudelliset tutkimukset perustuu tilastotietoihin.
Joten, pitävät tätä regressio enemmän.Näkökulmasta matemaattisen menetelmän, jolla määritetään lineaarinen suhde lineaarisen regression noin muuttujia voidaan esittää kaavalla: y = a + bx.Varten Selitys tästä kaavasta löytyy kaikki oppikirjan econometrics.
laajentamisessa havaintojen määrä (ennen n: nnen monta kertaa), saadaan yksinkertaisella lineaarisella regressiolla, esitetään muodossa, jonka kaava on:
yi = + bxi +: ei,
jossa EI - riippumattomia, samoin jakautuneita, satunnainen muuttujia.
Tässä artikkelissa haluan kiinnittää enemmän huomiota tämän käsitteen näkökulmasta tuleva hinta ennustaminen historiatietojen perusteella.Tällä alalla, arvioi lineaarinen regressio käyttää aktiivisesti pienimmän neliösumman menetelmällä, joka auttaa rakentamaan "sopivimman" suora läpi tietyn määrän pisteitä hinta arvoja.Koska lähtötiedot käytetty hinta, mikä tarkoittaa korkea, matala, avoin vai suljettu, ja näiden arvojen keskiarvo (esimerkiksi summa suurin ja pienin, jaettuna kahdella).Myös nämä valmiiksi rakentaa tarkoituksenmukaisesti voidaan mielivaltaisesti tasoittaa.
Kuten edellä on mainittu, lineaarista regressiota käytetään usein analyytikot määrittämiseksi suuntaus hinnan perusteella ja aikaa.Tällöin ilmaisin määrittää kaltevuus regressio arvon hintamuutosten aikayksikössä.Yksi edellytyksistä oikean päätöksen, kun käytät tätä indikaattori on käyttää signaali generaattori, seuraavat kaltevuus regressio trendi.Kanssa nouseva (nouseva lineaarinen regressio) kauppa toteutetaan, jos osoitin arvo on suurempi kuin nolla.Aikana negatiivinen rinne (laskeva regressio) myynti olisi tehty negatiivisin Indikaattorin arvo (alle nolla).
käytetään määrittämään paras linja vastaa tietyn määrän hinta pistettä, pienimmän neliösumman menetelmä käsittää seuraavat algoritmi:
- on ilmaus kokonaishinnasta ja ero neliöiden regressiolinjan;
- on suhde saadun määrän ja useita baareja alueella regressio tietosarjojen;
- tulos neliöjuuri, joka vastaa keskihajonta.
lineaarisen regressiokuvaajan parin on malli:
y (x) = f ^ (x),
jossa - tuottavien kohteiden esitteli riippuva muuttuja;
x - selittää tai riippumaton muuttuja;
^ ei osoita vahvaa välinen toiminnallinen suhde muuttujien x ja y.Siksi, kussakin tapauksessa voi olla vaihteleva muoto nämä termit:
y = yx + ε,
jossa - todellinen tulos tiedot;
uh - teoreettinen tulos tietojen ratkaisemalla regressioyhtälö;
ε - satunnaismuuttuja, joka luonnehtii välinen poikkeama todellisen arvon ja teoreettisen.
