Գծային ռեգրեսիայի

Հետադիմություն վերլուծություն կարող է ավելացվել է վիճակագրական մեթոդների ուսումնասիրման միջեւ հարաբերությունները որոշակի փոփոխականների (կախյալ եւ անկախ): Այս դեպքում, անկախ փոփոխականների կոչվում են «covariates» եւ կախյալ - «criterial»: Երբ անցկացնում է գծային ռեգրեսիայի վերլուծություն կախված փոփոխական ներկայացուցչությունը տեւում ձեւը որպես ընդմիջումից մասշտաբով: Կա հավանականություն, որ ներկայությամբ ոչ-գծային միջեւ հարաբերությունների փոփոխականների հետ կապված ընդմիջումից մասշտաբով, սակայն այդ խնդիրը արդեն լուծված է մեթոդներով ոչ գծային ռեգրեսիայի, որը ոչ թե առարկա սույն հոդվածի.

Գծային ռեգրեսիայի օգտագործվում էր բավական հաջող, ինչպես մաթեմատիկական հաշվարկների, իսկ տնտեսական ուսումնասիրությունների հիման վրա վիճակագրական տվյալների.

Այնպես որ սա համարում է հետընթացը ավելի. Տեսանկյունից մաթեմատիկական մեթոդով որոշելու գծային միջեւ հարաբերությունները որոշ փոփոխականների գծային ռեգրեսիայի կարող է ներկայացվել որպես բանաձեւի: y = a + bx: Համար բացատրություն այս բանաձեւով կարելի է ցանկացած դասագրքի էկոնոմետրիկայի:

Երբ ընդլայնման շարք դիտարկման (մինչեւ n-րդ շարք անգամ) ձեռք է բերել մի պարզ գծային ռեգրեսիայի, ներկայացված է բանաձեւով:

Yi = A + bxi + EI,

որտեղ գրքույկ անկախ, նույնությամբ բաշխվում, պատահական փոփոխականներ:

Այս հոդվածում ես կցանկանայի ավելի մեծ ուշադրություն դարձնել այս հայեցակարգի տեսանկյունից կանխատեսման ապագա գինը հիման վրա նախորդ տվյալների: Այս ոլորտում, գնահատում ենք գծային ռեգրեսիայի ակտիվորեն օգտագործում է նվազագույն քառակուսիների մեթոդը, որը օգնում է կառուցել «առավել հարմար» ուղիղ գծի միջոցով մի շարք արժեքների գնային միավոր: Ելակետային տվյալներն օգտագործվում են գնային առումով, այսինքն բարձր, ցածր, փակման կամ բացման եւ միջինը այդ արժեքների (օրինակ, գումարը առավելագույն եւ նվազագույն բաժանված է երկու): Բացի այդ, այս տվյալները առաջ կառուցելու հարմար գիծ կարող է կամայականորեն հարթվել:

Ինչպես վերը նշվեց, գծային ռեգրեսիայի հաճախ օգտագործվում է վերլուծաբանների որոշելու միտումը հիման վրա գնի եւ ժամանակի. Այս դեպքում, թեքությունն է հետընթացը ցուցանիշի կորոշի մեծությունը գների փոփոխությունների մեկ միավորի ժամանակ. Մեկը պայմանների ճիշտ որոշում օգտագործելով այս ցուցանիշը օգտագործումը ազդանշանի գեներատորի, հետեւելով միտումը թեքության հետընթացի: Եթե դրական լանջին (աճող գծային ռեգրեսիան) գնումը կատարվում է, եթե ցուցանիշը արժեքը մեծ է զրոյից: Ընթացքում բացասական լանջին (նվազող հետընթացը) վաճառքի պետք է լինի բացասական արժեքների ցուցանիշի (պակաս, քան զրո):

Ինչպես այն օգտագործվում է որոշելու լավագույն գիծը համապատասխան որոշակի թվով գնային միավորով, փոքրագույն քառակուսիների մեթոդը ենթադրում է, որ հետեւյալ ալգորիթմը:

- ընդհանուր արտահայտությունն է տարբերության քառակուսիների գների եւ ռեգրեսիայի գիծը.

- հարաբերակցությունն է այդ գումարի եւ համարը ճաղերի շարք ռեգրեսիայի տվյալների շարքը.

- արդյունքի վրա հաշվարկված քառակուսի արմատին, որը համապատասխանում է ստանդարտ շեղումը:

Պարզ Գծային Հետընթաց հավասարում ունի մոդելը:

y (x) = f (x) ^,

որտեղ - արտադրական առանձնահատկությունները ներկայացրեց կախյալ փոփոխական;

x - բացատրական կամ անկախ փոփոխական;

^ Ցույց բացակայությունը խիստ ֆունկցիոնալ հարաբերությունների միջեւ x եւ y փոփոխականները: Հետեւաբար, յուրաքանչյուր կոնկրետ դեպքում, փոփոխական y կարող կազմված է այնպիսի պայմաններով:

y = YX + ε,

որտեղ - փաստացի արդյունք տվյալները.

uh - տեսական արդյունքը տվյալները որոշվում են լուծելու է հետադիմություն հավասարումը .

ε - Պատահական փոփոխական է, որը բնութագրում է շեղումը միջեւ փաստացի արժեքի եւ տեսական: