Linjär regression kontra multipel regression: en översikt
Regressionsanalys är en vanlig statistisk metod som används vid finansiering och investering. Linjär regression är en av de vanligaste teknikerna för regressionsanalys. Multipel regression är en bredare klass av regressioner som omfattar linjära och olinjära regressioner med flera förklarande variabler.
Regression som ett verktyg hjälper till att samla data tillsammans för att hjälpa människor och företag att fatta välgrundade beslut. Det finns olika variabler som spelas i regression, inklusive en beroende variabel - huvudvariabeln som du försöker förstå - och en oberoende variabel - faktorer som kan påverka den beroende variabeln.
För att få regressionsanalys att fungera måste du samla in all relevant information. Det kan presenteras på en graf, med en x-axel och en y-axel.
Det finns flera huvudskäl till att folk använder regressionsanalys:
- För att förutsäga framtida ekonomiska förhållanden, trender eller värden För att bestämma förhållandet mellan två eller flera variabler För att förstå hur en variabel ändras när en annan ändras
Det finns många olika typer av regressionsanalyser. För denna artikel kommer vi att titta på två: linjär regression och multipel regression.
Linjär regression
Det kallas också en enkel linjär regression. Det fastställer förhållandet mellan två variabler med en rak linje. Linjär regression försöker rita en linje som kommer närmast data genom att hitta lutningen och fånga som definierar linjen och minimerar regressionsfel.
Om två eller flera förklarande variabler har en linjär relation med den beroende variabeln kallas regressionen en multipel linjär regression.
Många dataförhållanden följer inte en rak linje, så statistiker använder i stället olinjär regression. De två är likadana på det att båda spårar ett visst svar från en uppsättning variabler grafiskt. Men icke-linjära modeller är mer komplicerade än linjära modeller eftersom funktionen skapas genom en serie antaganden som kan komma från prövning och fel.
Multipel regression
Det är sällsynt att en beroende variabel förklaras av endast en variabel. I detta fall använder en analytiker multipel regression, som försöker förklara en beroende variabel med mer än en oberoende variabel. Flera regressioner kan vara linjära och olinjära.
Flera regressioner baseras på antagandet att det finns ett linjärt samband mellan både beroende och oberoende variabler. Den antar inte heller någon större korrelation mellan de oberoende variablerna.
Som nämnts ovan finns det flera olika fördelar med att använda regressionsanalys. Dessa modeller kan användas av företag och ekonomer för att fatta praktiska beslut.
Ett företag kan inte bara använda regressionsanalys för att förstå vissa situationer som varför kundtjänstsamtal tappar, utan också för att göra framåtblickande förutsägelser som försäljningssiffror i framtiden, och fatta viktiga beslut som speciella försäljning och kampanjer.
Linjär regression kontra multipel regression: exempel
Tänk på en analytiker som vill upprätta en linjär relation mellan den dagliga förändringen i ett företags aktiekurser och andra förklarande variabler som den dagliga förändringen i handelsvolym och den dagliga förändringen i marknadsavkastningen. Om han kör en regression med den dagliga förändringen i företagets aktiekurser som en beroende variabel och den dagliga förändringen i handelsvolym som en oberoende variabel, skulle detta vara ett exempel på en enkel linjär regression med en förklarande variabel.
Om analytikern lägger till den dagliga förändringen i marknadens avkastning i regressionen, skulle det vara en multipel linjär regression.
Key Takeaways
- Regressionsanalys är en vanlig statistisk metod som används vid finansiering och investering. Linjär regression är en av de vanligaste teknikerna för regressionsanalys. Multipel regression är en bredare klass av regressioner som omfattar linjära och olinjära regressioner med flera förklarande variabler.
