Линеарна регресија

Регресиона анализа се може сматрати статистичким методом истраживања односа између одређених варијабли (зависних и независних). У овом случају, независне варијабле се зову "регресори", а зависни су "критеријуми". Када се врши анализа линеарне регресије, приказ зависне варијабле се изводи у облику интервалне скале. Постоји могућност нелинеарних односа између варијабли повезаних са интервалном скалом, али овај проблем већ рјешавају методама нелинеарне регресије, што није тема овог чланка.

Линеарна регресија се сасвим успешно користи у математичким прорачунима иу економским студијама на основу статистичких података.

Дакле, да размотримо ову регресију детаљније. Са становишта математичког метода одређивања линеарне везе између неких варијабли, линеарна регресија може бити представљена у облику следеће формуле: и = а + бк. Декодирање ове формуле може се наћи у сваком уџбенику о економетрији.

Када се број опсервација проширује (до н пута), добија се једноставна линеарна регресија, представљена формулом:

Ии = А + бки + еи,

Где су еи независне случајно распоређене случајне варијабле.

У овом чланку желим више пажње посветити овом концепту с перспективе предвиђања будућих цијена на основу претходних података. У овој области рачунања, линеарна регресија активно користи метод најмањих квадрата, што помаже да се изгради "најпогоднија" равна линија кроз одређени низ тачака вриједности цијена. Као улазни подаци се користе тачне цене које указују на максимално, минимално, затварање или отварање, као и на просјечне вриједности од ових вриједности (на примјер, збир максималног и минималног дијела на два). Такође, ови подаци могу бити произвољно усаглашени пре него што се изгради одговарајућа линија.

Као што је горе наведено, линеарна регресија се често користи у аналитици како би се одредио тренд базиран на цени и временским подацима. У овом случају индикатор регресије нагиба ће омогућити да одреди величина промјена цијена по јединици времена. Један од услова за доношење правилне одлуке приликом коришћења овог индикатора је коришћење сигнала у облику генератора који следи тренд регресијског нагиба. Ако нагиб буде позитиван (повећава линеарна регресија), куповина се врши ако је вредност индикатора већа од нуле. Током негативног нагиба (смањења регресије), продаја треба да се одржи са негативним показатељима (мање од нуле).

Користећи се у одређивању најбоље линије, која одговара одређеном броју тачака цена, метода најмањих квадрата укључује следећи алгоритам:

- је укупан израз квадрата разлике у цени и линије регресије;

- је однос примљене суме и броја барова у опсегу серија регресијских података;

- из добијеног резултата израчунава се квадратни корен, што одговара стандардној девијацији.

Једначина парне линеарне регресије има овај модел:

И (к) = ф ^ (к),

Где је и последични атрибут представља зависна варијабла;

Кс је објашњавајућа или независна варијабла;

^ Показује одсуство строгог функционалног односа између варијабли к и и. Према томе, у сваком појединачном случају варијабла и може бити састављена од таквих израза:

И = ик + ε,

Где је и стварни резултат података;

Ик - теоријски подаци резултата, одређени рјешавањем регресионе једначине ;

Е је случајна варијабла која карактерише одступање између стварне вриједности и теоријске вриједности.