Linear Regression vs. Multiple Regression: En oversikt
Regresjonsanalyse er en vanlig statistisk metode som brukes i finansiering og investering. Lineær regresjon er en av de vanligste teknikkene for regresjonsanalyse. Flere regresjoner er en bredere klasse av regresjoner som omfatter lineære og ikke-lineære regresjoner med flere forklaringsvariabler.
Regresjon som et verktøy hjelper deg med å samle data sammen for å hjelpe mennesker og selskaper å ta informerte beslutninger. Det er forskjellige variabler som spilles i regresjon, inkludert en avhengig variabel - hovedvariabelen som du prøver å forstå - og en uavhengig variabel - faktorer som kan ha innvirkning på den avhengige variabelen.
For å få regresjonsanalyse til å fungere, må du samle alle relevante data. Det kan presenteres på en graf, med en x-akse og en y-akse.
Det er flere hovedgrunner til at folk bruker regresjonsanalyse:
- For å forutsi fremtidige økonomiske forhold, trender eller verdier For å bestemme forholdet mellom to eller flere variabler For å forstå hvordan en variabel endres når en annen endres
Det finnes mange forskjellige typer regresjonsanalyser. For formålet med denne artikkelen, vil vi se på to: lineær regresjon og multippel regresjon.
Lineær regresjon
Det kalles også en enkel lineær regresjon. Den etablerer forholdet mellom to variabler ved å bruke en rett linje. Lineær regresjon forsøker å tegne en linje som kommer nærmest dataene ved å finne skråningen og avskjæringen som definerer linjen og minimerer regresjonsfeil.
Hvis to eller flere forklaringsvariabler har et lineært forhold til den avhengige variabelen, kalles regresjonen en multippel lineær regresjon.
Mange dataforhold følger ikke en rett linje, så statistikere bruker ikke-lineær regresjon i stedet. De to er like ved at begge sporer et bestemt svar fra et sett med variabler grafisk. Men ikke-lineære modeller er mer kompliserte enn lineære modeller fordi funksjonen opprettes gjennom en rekke antagelser som kan stamme fra prøving og feiling.
Multippel regresjon
Det er sjelden at en avhengig variabel blir forklart med bare en variabel. I dette tilfellet bruker en analytiker flere regresjoner, som prøver å forklare en avhengig variabel ved å bruke mer enn en uavhengig variabel. Flere regresjoner kan være lineære og ikke-lineære.
Flere regresjoner er basert på antagelsen om at det er en lineær sammenheng mellom både de avhengige og uavhengige variablene. Det forutsetter heller ingen større sammenheng mellom de uavhengige variablene.
Som nevnt over er det flere forskjellige fordeler ved å bruke regresjonsanalyse. Disse modellene kan brukes av bedrifter og økonomer for å hjelpe deg med å ta praktiske beslutninger.
Et selskap kan ikke bare bruke regresjonsanalyse for å forstå visse situasjoner som hvorfor kundeserviceanrop synker, men også for å gjøre fremtidsrettede spådommer som salgstall i fremtiden, og ta viktige beslutninger som spesielle salg og kampanjer.
Linear Regression vs. Multiple Regression: Eksempel
Tenk på en analytiker som ønsker å etablere en lineær sammenheng mellom den daglige endringen i selskapets aksjekurser og andre forklaringsvariabler som den daglige endringen i handelsvolum og den daglige endringen i markedsavkastningen. Hvis han kjører en regresjon med den daglige endringen i selskapets aksjekurser som en avhengig variabel og den daglige endringen i handelsvolum som en uavhengig variabel, ville dette være et eksempel på en enkel lineær regresjon med en forklaringsvariabel.
Hvis analytikeren legger til den daglige endringen i markedsavkastningen i regresjonen, vil det være en multippel lineær regresjon.
Viktige takeaways
- Regresjonsanalyse er en vanlig statistisk metode som brukes i finansiering og investering. Lineær regresjon er en av de vanligste teknikkene for regresjonsanalyse. Flere regresjoner er en bredere klasse av regresjoner som omfatter lineære og ikke-lineære regresjoner med flere forklaringsvariabler.
