Лінійна та множинна регресія: в чому різниця?
Лінійна регресія проти множинної регресії: огляд
Регресійний аналіз – загальноприйнятий статистичний метод, що використовується у інвестиціях. Лінійна регресія – одна з найпоширеніших технік регресійного аналізу. Множинна регресія – це ширший клас регресій, що охоплює лінійні та нелінійні регресії з безліччю пояснювальних змінних.
Регресія як інструмент допомагає об’єднати дані, щоб допомогти людям і компаніям приймати обґрунтовані рішення. У регресії діють різні змінні, включаючи залежну змінну – основну змінну, яку ви намагаєтеся зрозуміти, – і незалежну змінну – фактори, які можуть впливати на залежну змінну.
Для того, щоб провести регресійний аналіз, потрібно зібрати всі відповідні дані. Він може бути представлений на графіку з віссю х та віссю у.
Є кілька основних причин, через які люди використовують регресійний аналіз:
- Для прогнозування майбутніх економічних умов, тенденцій чи цінностей
- Визначити зв’язок між двома або більше змінними
- Щоб зрозуміти, як змінюється одна змінна, коли змінюється інша
Існує багато різних видів регресійного аналізу. Для цілей цієї статті ми розглянемо два: лінійну регресію та багаторазову регресію.
Лінійна регресія
Його ще називають простою лінійною регресією. Він встановлює взаємозв’язок між двома змінними за допомогою прямої лінії. Лінійна регресія намагається провести лінію, яка наближається до даних, знаходячи нахил та перехват, що визначають лінію та мінімізують помилки регресії.
Якщо дві або більше пояснювальних змінних мають лінійний зв’язок із залежною змінною, регресія називається множинною лінійною регресією.
Багато зв’язків даних не йдуть прямолінійно, тому статистики замість цього використовують нелінійну регресію. Вони схожі тим, що обидва графічно відстежують певну відповідь набору змінних. Але нелінійні моделі є більш складними, ніж лінійні моделі, оскільки функція створюється через ряд припущень, які можуть бути наслідком спроб і помилок.
Множинна регресія
Рідко яка залежна змінна пояснюється лише однією змінною. У цьому випадку аналітик використовує багаторазову регресію, яка намагається пояснити залежну змінну, використовуючи більше однієї незалежної змінної. Множинні регресії можуть бути лінійними та нелінійними.
Множинні регресії базуються на припущенні, що існує лінійна залежність між залежними та незалежними змінними. Він також не передбачає значної кореляції між незалежними змінними.
Як зазначалося вище, використання регресійного аналізу має кілька різних переваг. Ці моделі можуть бути використані бізнесом та економістами для прийняття практичних рішень.
Короткий огляд
Компанія може не тільки використовувати регресійний аналіз, щоб зрозуміти певні ситуації, наприклад, чому знижуються дзвінки в службу обслуговування споживачів, а й робити прогнозні прогнози, як-от показники продажів у майбутньому, та приймати важливі рішення, як-от спеціальні продажі та акції.
Лінійна регресія проти множинної регресії: Приклад
Розглянемо аналітика, який бажає встановити лінійну залежність між щоденною зміною цін акцій компанії та іншими пояснювальними змінними, такими як щоденна зміна обсягу торгів та щоденна зміна ринкової дохідності. Якщо він проводить регресію із щоденною зміною цін акцій компанії як залежною змінною, а щоденна зміна обсягу торгів як незалежною змінною, це буде прикладом простої лінійної регресії з однією пояснювальною змінною.
Якщо аналітик додає до регресії щоденну зміну ринкової віддачі, це буде багаторазова лінійна регресія.
Ключові винос
- Регресійний аналіз – загальноприйнятий статистичний метод, що використовується у фінансах та інвестиціях.
- Лінійна регресія – одна з найпоширеніших технік регресійного аналізу.
- Множинна регресія – це ширший клас регресій, що охоплює лінійні та нелінійні регресії з безліччю пояснювальних змінних.