Lineær regression

Regressionsanalyse kan tilsættes til de statistiske metoder til at studere forholdet mellem specifikke variabler (afhængige og uafhængige). I dette tilfælde er de uafhængige variable kaldes "kovariater" og afhængige - "kriterielle". Når der udføres en lineær regressionsanalyse afhængig variabel repræsentation har form af et interval skala. Der er en sandsynlighed for tilstedeværelsen af ikke-lineære relationer mellem variabler i relation til intervallet skala, men dette problem er allerede blevet løst ved metoder til ikke-lineær regression, som ikke er omfattet af denne artikel.

Lineær regression blev anvendt med succes som i matematiske beregninger, og i økonomiske undersøgelser baseret på statistiske data.

Så overveje dette en regression mere. Fra synspunktet om den matematiske metode til bestemmelse af lineære sammenhæng mellem visse variabler lineær regression kan repræsenteres som en formel: y = a + bx. For en forklaring på denne formel kan findes i enhver lærebog om økonometri.

Når udvide antallet af observation (op til n'te antal gange) opnået ved en simpel lineær regression, repræsenteret ved en formel:

yi = A + BXI + ei,

hvor ei - uafhængig, identisk fordelte, tilfældige variable.

I denne artikel vil jeg gerne være mere opmærksom på dette koncept ud fra forudsige fremtidige pris baseret på tidligere data. I dette område, estimerer vi en lineær regression aktivt bruger de mindste kvadraters metode, som hjælper med at opbygge den "bedst egnede" lige linje gennem et vist antal værdier af pris punkter. Indgangsdataene anvendes af pris punkt, hvilket betyder høj, lav, lukning eller åbning, og gennemsnittet af disse værdier (fx summen af den maksimale og minimale divideret med to). Der kan også vilkårligt udglattes disse data, før opbygningen af en egnet linje.

Som nævnt ovenfor, er lineær regression ofte brugt af analytikere til at bestemme en trend på grundlag af pris og tid. I dette tilfælde vil hældningen på regressionslinien indikatoren bestemme størrelsen af prisændringer pr tidsenhed. En af betingelserne for korrekt beslutning at bruge denne indikator er brugen af en signalgenerator, efter udviklingen i hældning regression. Hvis en positiv hældning (stigende lineær regression) køb udføres hvis indikatoren værdien er større end nul. Under den negative hældning (aftagende regression) til salg bør være negative værdier af indikatoren (mindre end nul).

Som anvendt til at bestemme den bedste linje, der svarer til et bestemt antal kurspoint, den mindste kvadraters metode indebærer, at følgende algoritme:

- er den samlede ekspression af forskellen af kvadrater af priser og regressionslinjen;

- er forholdet af dette beløb og antallet af søjler i området fra regression data serien;

- på resultatet beregnet kvadratroden, hvilket svarer til standardafvigelsen.

Enkle lineære regressionsligning har modellen:

y (x) = f (x) ^,

hvor - produktive funktioner præsenterede den afhængige variabel;

x - forklarende eller uafhængige variabel;

^ Indikerer fraværet af en streng funktionelt forhold mellem variablerne x og y. Derfor, i hvert enkelt tilfælde, kan den variable y bestå af sådanne udtryk:

y = yx + ε,

hvor - de faktiske resultatdata;

uh - teoretiske resultatdata bestemt ved løsning af regressionsligningen ;

ε - tilfældig variabel, som karakteriserer afvigelsen mellem den faktiske værdi og den teoretiske.