Regresszióanalízis adhatunk a statisztikai módszerek a kutatás közötti kapcsolat bizonyos változók (függő és független).Ugyanakkor a független változók az úgynevezett "magyarázó változók" és a társult - "kriteriális".A prezentáció során a lineáris regressziós elemzés a függő változó formájában intervallum skálán.Fennáll annak a lehetősége annak, a nem-lineáris kapcsolatok változók közötti kapcsolatban az intervallum skála, de ez a feladat megoldása nemlineáris regressziós, hogy nem ez a tárgya a cikk.
lineáris regresszió sikeresen, mint a matematikai számítások, valamint a gazdasági tanulmányok statisztikai adatok alapján.
Tehát, hogy ezt a regressziós tovább.Szemszögéből matematikai meghatározásának módja lineáris összefüggés lineáris regresszió néhány változó is képviselteti magát a képlet: y = a + bx.A magyarázat a formula megtalálható minden tankönyv ökonometria.
bővítésében megfigyelések száma (mielőtt az n-edik számú alkalommal) úgy kapjuk meg, egy egyszerű lineáris regresszió formájában mutatják be a képlet:
yi = A + BXI + ei,
ahol ei - független, egyforma eloszlású, valószínűségi változók.
Ebben a cikkben szeretném nagyobb figyelmet fordítanak e fogalom szempontjából a jövőben ára előrejelzés a történeti adatok alapján.Ezen a területen, becslése lineáris regressziós aktívan használja a legkisebb négyzetek módszere, amely segít, hogy a "legmegfelelőbb" egyenest egy bizonyos számú pontot az ár érték.Mivel a használt beviteli adatok ár pont, vagyis magas, alacsony, nyitott vagy zárt, és az átlagos ezen értékek (például, az összeget a maximális és minimális, osztva két).Továbbá, ezek a pre-build megfelelő vonalak tetszőlegesen egyenlíteni.
Mint már említettük, a lineáris regresszió gyakran használják az elemzők, hogy meghatározza a trend alapján az ár és az idő.Ebben az esetben, a jelző határozza meg a lejtőn a regressziós értéke árváltozások egységnyi idő.Az egyik feltétel az, hogy a helyes döntés, ha ezzel a mutató használatát a generátort, követve a regressziós trend.A pozitív meredekség (emelkedő lineáris regresszió) a vásárlást végrehajtják, ha a mutató értéke nagyobb, mint nulla.A negatív meredekségű (csökkenő regresszió) értékesítéséből kell végezni negatív a mutató értéke (kevesebb, mint nulla).
meghatározásához használt legjobb vonalig bizonyos számú ár pont, a legkisebb négyzetek módszer a következő algoritmus:
- egy kifejezés a teljes ár és a különbség a négyzetek a regressziós egyenes;
- ez az arány a kapott összeg és a számos bár a tartományban regressziós adatsorok;
- az eredmény a négyzetgyök, amely megfelel a standard deviációt.
lineáris regressziós egyenlet a pár egy modell:
y (x) = f ^ (x),
ahol - termelési célt szolgáló bemutatta a függő változó;
X - magyarázza, vagy független változó;
^ nem mutat szoros funkcionális kapcsolat a változók között az x és y.Ezért minden egyes esetben lehet egy változtatható formájú ezeket a fogalmakat:
y = yx + ε,
ahol - a tényleges eredmény adatok;
uh - elméleti eredmény adatok által meghatározott megoldása a regressziós egyenlet;
ε - valószínűségi változó, amely jellemzi az eltérés a tényleges érték és az elméleti.
