Линейная регрессия и множественная регрессия: в чем разница?
Линейная регрессия против множественной регрессии: обзор
Регрессионный анализ — это распространенный статистический метод, используемый в инвестициях. Линейная регрессия — один из наиболее распространенных методов регрессионного анализа. Множественная регрессия — это более широкий класс регрессий, который включает линейные и нелинейные регрессии с несколькими независимыми переменными.
Регрессия как инструмент помогает объединить данные, чтобы помочь людям и компаниям принимать обоснованные решения. В регрессии участвуют различные переменные, в том числе зависимая переменная — основная переменная, которую вы пытаетесь понять, — и независимая переменная — факторы, которые могут влиять на зависимую переменную.
Чтобы регрессионный анализ работал, вы должны собрать все соответствующие данные. Его можно представить на графике с осью x и осью y.
Есть несколько основных причин, по которым люди используют регрессионный анализ:
- Для прогнозирования будущих экономических условий, тенденций или ценностей
- Чтобы определить взаимосвязь между двумя или более переменными
- Чтобы понять, как одна переменная изменяется при изменении другой
Есть много различных видов регрессионного анализа. В этой статье мы рассмотрим два: линейную регрессию и множественную регрессию.
Линейная регрессия
Это также называется простой линейной регрессией. Он устанавливает связь между двумя переменными с помощью прямой линии. Линейная регрессия пытается провести линию, которая ближе всего подходит к данным, путем нахождения наклона и точки пересечения, которые определяют линию и минимизируют ошибки регрессии.
Если две или более независимых переменных имеют линейную связь с зависимой переменной, регрессия называется множественной линейной регрессией.
Многие отношения данных не имеют прямой линии, поэтому статистики вместо этого используют нелинейную регрессию. Они похожи в том, что оба графически отслеживают конкретный ответ от набора переменных. Но нелинейные модели сложнее линейных, потому что функция создается на основе ряда предположений, которые могут быть результатом проб и ошибок.
Множественная регрессия
Редко, когда зависимая переменная объясняется только одной переменной. В этом случае аналитик использует множественную регрессию, которая пытается объяснить зависимую переменную, используя более одной независимой переменной. Множественные регрессии могут быть линейными и нелинейными.
Множественные регрессии основаны на предположении, что существует линейная связь между зависимыми и независимыми переменными. Это также предполагает отсутствие значительной корреляции между независимыми переменными.
Как упоминалось выше, у использования регрессионного анализа есть несколько преимуществ. Эти модели могут использоваться предприятиями и экономистами для принятия практических решений.
Краткий обзор
Компания может не только использовать регрессионный анализ, чтобы понять определенные ситуации, например, почему уменьшается количество обращений в службу поддержки, но и делать перспективные прогнозы, такие как показатели продаж в будущем, и принимать важные решения, такие как специальные продажи и рекламные акции.
Линейная регрессия против множественной регрессии: пример
Рассмотрим аналитика, который хочет установить линейную зависимость между ежедневным изменением цен на акции компании и другими объясняющими переменными, такими как дневное изменение объема торгов и ежедневное изменение рыночной доходности. Если он запустит регрессию с ежедневным изменением цен на акции компании в качестве зависимой переменной и ежедневного изменения объема торгов в качестве независимой переменной, это будет примером простой линейной регрессии с одной независимой переменной.
Если аналитик добавит дневное изменение рыночной доходности к регрессии, это будет множественная линейная регрессия.
Ключевые выводы
- Регрессионный анализ — это распространенный статистический метод, используемый в финансах и инвестициях.
- Линейная регрессия — один из наиболее распространенных методов регрессионного анализа.
- Множественная регрессия — это более широкий класс регрессий, который включает линейные и нелинейные регрессии с несколькими независимыми переменными.