Линейна регресия

Регресионният анализ може да се добавя към статистическите методи за изучаване на връзката между конкретни променливи (зависими и независими). В този случай, на независимите променливи се наричат "променливи" и зависим - "criterial". При провеждане на линеен регресионен анализ зависима променлива представяне под формата на интервал от скалата. Съществува вероятност от наличие на не-линейни връзки между променливи, свързани с мащаба интервал, но този проблем вече е решен чрез методи на нелинейна регресия, която не е предмет на тази статия.

Линеен регресионен е бил използван доста успешно, както в математическите изчисления, и в икономически изследвания въз основа на статистически данни.

Така че считам това за регресия повече. От гледна точка на математическия метод за определяне на линейна зависимост между някои променливи линейна регресия могат да бъдат представени като формула: у = а + BX. За обяснение на тази формула може да се намери във всеки учебник по иконометрия.

При разширяване на броя на наблюдение (до п-ти брой пъти), получена чрез проста линейна регресия, представено с формула:

Yi = A + bxi + EI,

където EI - независим, идентично разпределени, случайни величини.

В тази статия бих искал да обръща повече внимание на това понятие от гледна точка на прогнозиране на бъдещата цена на базата на предишни данни. В тази област, ние преценяваме линейна регресия е активно използване на метода на най-малките квадрати, който помага за изграждането на "най-подходящ" правата линия през определен брой стойности на ценовите точки. входни данни, използвани от точката за цена, което означава високо, ниско, затваряне или отваряне, и средната стойност от тези стойности (например, сумата от максималните и минималните разделена на две). Също така, тези данни, преди изграждането на подходяща линия може да бъде произволно изгладени.

Както бе споменато по-горе, линейна регресия се използва често от анализаторите да определят тенденция въз основа на цената и времето. В този случай, на склона на индикатора за регресия ще определи степента на промени в цените за единица време. Едно от условията за правилно решение с помощта на този показател е използването на сигнал генератор, следвайки тенденцията на наклона регресия. Ако се извършва положителен наклон (възходящ линейна регресия) закупуване, ако стойността на показателя е по-голяма от нула. По време на отрицателен наклон (намаляване регресия) за продажба трябва да бъде при отрицателни стойности на индикатора (по-малко от нула).

Както се използват при определяне на най-добрата линия, съответстваща на определен брой точки на цените, на метода на най-малките квадрати предполага, че следния алгоритъм:

- е общият израз на разликата от квадратите на цените и линията на регресия;

- е съотношението на тази сума и броя на бара в диапазона от серията данни регресия;

- при резултат изчислява корен квадратен, което съответства на стандартното отклонение.

Проста линейна регресия уравнение има модела:

у (х) = F (х) ^,

където - производствени характеристики представени зависимата променлива;

х - обяснителен или независима променлива;

^ Показва липса на строг функционална връзка между променливите х и у. Следователно, за всеки отделен случай, променливата у може да се състои от такива условия:

у = YX + ε,

където - актуалните данни за резултатите;

ъ - теоретични данни резултат определят чрез решаване на уравнението на регресия ;

ε - случайна променлива, която характеризира отклонението между реалната стойност и теоретично.