regressione lineare

analisi di regressione può essere aggiunto ai metodi statistici di studiare la relazione tra variabili specifiche (dipendenti e indipendenti). In questo caso, le variabili indipendenti sono chiamati "covariate" e dipendente – "Criterial". Durante l'analisi di regressione lineare rappresentazione variabile dipendente assume la forma di una scala di intervallo. V'è una probabilità della presenza di relazioni non lineari tra variabili relative alla scala intervallo, ma il problema è già stato risolto mediante metodi di regressione non lineare, che non è oggetto di questo articolo.

La regressione lineare è stato utilizzato con successo come in calcoli matematici, e in studi economici sulla base dei dati statistici.

Così considerare questo una regressione di più. Dal punto di vista del metodo matematico per determinare la relazione lineare tra alcune variabili regressione lineare può essere rappresentato come una formula: y = a + bx. Per una spiegazione di questa formula può essere trovato in qualsiasi manuale di econometria.

Quando ampliando il numero di osservazione (fino a n-esimo numero di volte) ottenibile con un semplice regressione lineare, rappresentato da una formula:

yi = A + + BXi ei,

dove EI – indipendenti, identicamente distribuite, variabili aleatorie.

In questo articolo vorrei prestare maggiore attenzione a questo concetto dal punto di vista della previsione del prezzo futuro in base ai dati precedenti. In questa zona, si stima una regressione lineare è attivamente utilizzando il metodo dei minimi quadrati, che aiuta a costruire la linea retta "più adatto", attraverso un certo numero di valori di fasce di prezzo. I dati di input utilizzati dal punto di prezzo, cioè alto, basso, chiusura o apertura, e la media di questi valori (ad esempio, la somma del massimo e minimo diviso per due). Inoltre, questi dati prima di creare una linea adatta può essere arbitrariamente lisciate.

Come menzionato sopra, la regressione lineare viene spesso utilizzato dagli analisti per determinare una tendenza sulla base del prezzo e tempo. In questo caso, la pendenza dell'indicatore regressione determinerà l'ampiezza delle variazioni dei prezzi per unità di tempo. Una delle condizioni per una corretta decisione che utilizza questo indicatore è l'uso di un generatore di segnale, seguendo la tendenza di regressione inclinazione. Se viene eseguita una pendenza positiva (aumento regressione lineare) acquisto se il valore dell'indicatore è maggiore di zero. Durante la pendenza negativa (diminuzione regressione) in vendita deve essere a valori negativi dell'indicatore (minore di zero).

Come usato nel determinare la migliore linea corrispondente ad un certo numero di punti di prezzo, il metodo dei minimi quadrati implica che il seguente algoritmo:

– è l'espressione totale della differenza dei quadrati dei prezzi e la retta di regressione;

– è il rapporto di questa somma e il numero di barre nell'intervallo serie di dati di regressione;

– sul risultato calcolato radice quadrata, corrispondente alla deviazione standard.

Semplice regressione lineare equazione ha il modello:

y (x) = f (x) ^,

dove – caratteristiche produttive hanno presentato la variabile dipendente;

x – esplicativo o variabile indipendente;

^ Indica l'assenza di una stretta relazione funzionale tra le variabili xey. Pertanto, in ciascun caso particolare, la variabile y può consistere in tali termini:

y = yx + ε,

dove – i dati dei risultati effettivi;

uh – dati teorici risultato determinato risolvendo l'equazione di regressione ;

ε – variabile casuale che caratterizza lo scostamento tra il valore reale e quello teorico.