Regresijas analīze var pievienot statistikas metodēm pētniecības attiecības starp atsevišķiem mainīgajiem (atkarīgiem un neatkarīgiem).Tajā pašā neatkarīgie mainīgie tiek saukti par "ietekmējošie faktori" un Associates - "criterial".Uzrādot lineārās regresijas analīzes laikā atkarīgais mainīgais izpaužas intervāla skalas.Pastāv iespēja, ka tā nelineāru attiecības starp rādītājiem saistībā ar intervāla skalas, taču šis uzdevums ir atrisināts ar nelineāro regresiju, kas nav pakļauts šo rakstu.
Lineārā regresija tiek veiksmīgi izmantota kā matemātiskos aprēķinus, kā arī ekonomikas pētījumos, balstoties uz statistikas datiem.
Tātad, uzskata, ka tas regresijas vairāk.No viedokļa matemātisku metodi, nosakot lineāru sakarību starp lineārās regresijas dažu mainīgo var attēlot kā formula: y = a + BX.Paskaidrojumu par šīs formulas var atrast jebkurā mācību grāmata par ekonometrijas.
In paplašinot novērojumu skaits (pirms n-th reižu skaitu) iegūst ar vienkāršu lineāru regresiju, iesniedza formā formulu:
yi = A + BXI + ei,
kur ei - neatkarīgas, identiski izplatīt, gadījuma lielumi.
Šajā rakstā es gribētu pievērst lielāku uzmanību šo koncepciju no viedokļa nākotnes cenu prognozēšana, balstoties uz vēsturiskiem datiem.Šajā jomā, lēš lineāro regresiju aktīvi izmantojot mazāko kvadrātu metodi, kas palīdz veidot "vispiemērotāko" taisna līnija ar noteiktu punktu skaitu par cenu vērtībām.Kā ieejas izmantoto datu cenu punkts, kas nozīmē, augsts, zems, atklāts vai slēgts, un vidējais šīm vērtībām (piemēram, maksimālā un minimālā summa, kas dalīts ar divi).Arī šie iepriekš veidot atbilstošas līnijas var patvaļīgi jānormalizē.
Kā minēts iepriekš, lineārās regresijas bieži analītiķi izmanto, lai noteiktu tendenci, pamatojoties uz cenu un laiku.Šajā gadījumā, indikators noteiks regresijas līknes vērtības cenu izmaiņām vienā laika vienībā.Viens no nosacījumiem, lai izdarīt pareizo lēmumu, kad, izmantojot šo rādītāju, ir izmantot signālu ģeneratoru, pēc slīpumu regresijas tendences.Ar pozitīvu slīpumu (pieaug lineāro regresiju) pirkums tiek veikts, ja rādītājs vērtība ir lielāka par nulli.Ar negatīvu slīpumu laikā (samazinās regresijas) pārdošana jāveic ar negatīvu vērtību indikatora (mazāk par nulli).
izmanto, lai noteiktu labāko rindu, kas atbilst noteiktam skaitam cenu punktus, mazāko kvadrātu metode ietver šādu algoritmu:
- ir izpausme kopējo cenu un starpību kvadrātu regresijas līnijas;
- ir attiecība starp summu, kas saņemta un skaitu bāriem diapazonā no regresijas datu sēriju;
- rezultāts kvadrātsaknes, kas atbilst standarta novirzi.
lineārās regresijas vienādojums no pāra ir modelis:
y (x) = f ^ (x),
kur - objektos prezentēja atkarīgais mainīgais;
x - skaidrojot vai neatkarīgais mainīgais;
^ neuzrāda spēcīgu darba attiecības starp mainīgajiem x un y.Tāpēc katrā konkrētā gadījumā var būt dažādas formas no šiem nosacījumiem:
y = yx + ε,
kur - faktiskais rezultāts dati;
uh - teorētiskais rezultāts dati nosaka atrisinot regresijas vienādojumu;
ε - gadījuma lielums, kas raksturo novirzi starp faktisko vērtību un teorētiskā.
