Регрессия
Статистическая мера, которая пытается определить прочность отношений между одной зависимой переменной (обычно обозначается Y) и ряд других меняющихся переменных (известного в качестве независимых переменных).
Эти два основных вида регрессии является линейной регрессии и множественной регрессии. Линейная регрессия используется одна независимая переменная объяснить и / или предсказать результат Y, в то время как множественной регрессии используются два или более независимых переменных, чтобы предсказать результат. В общем виде каждого вида регрессии заключается в следующем:
Линейной регрессии: Y = A + BX + U
Множественной регрессии: Y = A + B 1 X 1 + B 2 X 2 + B 3 Х 3 + … + B T X T + U
Где:
Y = переменная, которую мы пытаемся предсказать,
X = переменная, которую мы используем для прогнозирования Y
= перехвата
B = склона
U = регрессия остаточной.
В множественной регрессии отдельных переменных, которые дифференцированы с помощью subscripted номеров.
Регрессионный принимает группу случайных величин, считается прогнозирования Y, и пытается найти математическую связь между ними. Это отношения, как правило, в виде прямой линии (линейная регрессия), которые наилучшим образом аппроксимирует все индивидуальные данные моменты. Регрессии часто используется для определения, сколько конкретные факторы, такие, как цена на товар, процентные ставки, особенно отраслей или секторов влияет на движение цен на активы.