Regressió lineal

L'anàlisi de regressió es pot afegir als mètodes estadístics d'estudiar la relació entre variables específiques (dependents i independents). En aquest cas, les variables independents es denominen "covariables dependents" i - "de criteri". En dur a terme una anàlisi de regressió lineal representació variable dependent pren la forma d'una escala d'interval. Hi ha una probabilitat de la presència de relacions no lineals entre variables relacionades amb l'escala d'intervals, però aquest problema ja s'ha resolt per mètodes de regressió no lineal, que no és objecte d'aquest article.

Es va utilitzar regressió lineal amb força èxit com en càlculs matemàtics, i en estudis econòmics basats en dades estadístiques.

Així que consideri això una regressió més. Des del punt de vista del mètode matemàtic de la determinació de la relació lineal entre algunes variables de regressió lineal es pot representar com una fórmula: i = a + bx. Per a una explicació d'aquesta fórmula es poden trobar en qualsevol llibre de text sobre econometria.

Quan l'ampliació del nombre d'observació (fins n-èsim nombre de vegades) obtingut mitjançant una regressió lineal simple, representat per una fórmula:

yi = A + BXI + ei,

on ei - independents, idènticament distribuïdes, variables aleatòries.

En aquest article m'agradaria que prestar més atenció a aquest concepte des del punt de vista de la previsió del preu futur en base a les dades anteriors. En aquesta zona, s'estima una regressió lineal està utilitzant activament el mètode de mínims quadrats, que ajuda a construir la línia recta "més adequat" a través d'un cert nombre de valors de punts de preu. Les dades d'entrada utilitzats pel punt de preu, és a dir, alt, baix, de tancament o d'obertura, i la mitjana d'aquests valors (per exemple, la suma de la màxima i mínima dividida per dos). A més, aquestes dades abans de la construcció d'una línia adequada pot ser arbitràriament suavitzades.

Com s'ha esmentat anteriorment, la regressió lineal s'utilitza sovint pels analistes per determinar una tendència a la base del preu i el temps. En aquest cas, el pendent de la regressió indicador determinarà la magnitud dels canvis de preus per unitat de temps. Una de les condicions per a la presa correcta d'utilitzar aquest indicador és l'ús d'un generador de senyal, seguint la tendència de regressió inclinació. Si es realitza un pendent positiu (augment de regressió lineal) compra si el valor de l'indicador és més gran que zero. Durant la pendent negatiu (disminució de regressió) per a la venda ha de ser a valors negatius de la indicador (menor que zero).

Tal com s'utilitza en la determinació de la millor línia corresponent a un cert nombre de punts de preu, el mètode de mínims quadrats implica que el següent algoritme:

- és l'expressió total de la diferència dels quadrats dels preus i la línia de regressió;

- és la relació entre aquesta suma i el nombre de barres en el rang de sèries de dades de regressió;

- en el resultat calculat de l'arrel quadrada, que correspon a la desviació estàndard.

Senzilla equació de regressió lineal té el model:

i (x) = f (x) ^,

on - característiques productives presenten la variable dependent;

x - explicatiu o variable independent;

^ Indica l'absència d'una estricta relació funcional entre les variables x i y. Per tant, en cada cas particular, la variable i pot consistir en tals termes:

i = x + ε,

on - les dades dels resultats reals;

uh - dades dels resultats teòrics determinats per la resolució de l'equació de regressió ;

ε - variable aleatòria que caracteritza la desviació entre el valor real i el teòric.