Формула регрессии (Содержание)
- формула
- Примеры
Что такое формула регрессии?
Регрессия используется в статистическом моделировании и в основном говорит нам о связи между переменными и их движением в будущем. Помимо статистических методов, таких как стандартное отклонение, регрессия, корреляция. Регрессионный анализ является наиболее распространенной и общепринятой мерой для измерения отклонений в отрасли. Эти отношения редко бывают точными, потому что есть различия, вызванные многими переменными, а не только изучаемыми переменными. Метод широко используется в промышленности для прогнозного моделирования и прогнозирования мероприятий. Регрессия говорит нам о связи независимой переменной с зависимой переменной и исследует формы этих отношений.
Формула для регрессионного анализа -
Y = a + bX + ∈
- Y = обозначает зависимую переменную
- X = обозначает независимую переменную
- a = обозначает перехват
- b = обозначает склон
- ∈ = обозначает погрешность
Формула для пересечения «a» и наклона «b» может быть рассчитана, как показано ниже.
a = (Σy)(Σx 2 ) – (Σx)(Σxy)/ n(Σx 2 ) – (Σx) 2
b = n (Σxy) – (Σx)(Σy) /n(Σx 2 ) – (Σx) 2
Регрессионный анализ является одним из наиболее мощных многомерных статистических методов, поскольку пользователь может интерпретировать параметры наклона и пересечения функций, которые связаны с двумя или более переменными в данном наборе данных.
Существует два типа регрессии: мультилинейная регрессия и простая линейная регрессия. Простая линейная регрессия поясняется и является такой же, как указано выше. Принимая во внимание, что мультилинейная регрессия может быть обозначена как
Y = a + bX1 + cX2 + dX3 + ∈
Где,
- Y - зависимая переменная
- X1, X2, X3 - независимые (пояснительные) переменные
- а - перехват
- б, в, г - склоны
- Res - Остаточный (ошибка)
Примеры формул регрессии (с шаблоном Excel)
Давайте рассмотрим пример, чтобы лучше понять расчет формулы регрессии.
Вы можете скачать этот шаблон регрессионного Excel здесь - шаблон регрессионного ExcelФормула регрессии - Пример № 1
Ниже приводится набор данных. Вам необходимо рассчитать линию линейной регрессии набора данных.
Во-первых, рассчитать квадрат х и произведение х и у
Рассчитать сумму х, у, х 2 и ху
У нас есть все значения в таблице выше с n = 4.
Теперь сначала вычислите точку пересечения и наклон для уравнения регрессии.
(Перехват) рассчитывается по формуле, приведенной ниже
a = (((Σy) * (Σx 2 )) - ((Σx) * (Σxy))) / n * (Σx 2 ) - (Σx) 2
- а = ((25 * 120) - (20 * 144)) / (4 * 120 - (20) 2 )
- а = 1, 5
b (наклон) рассчитывается по формуле, приведенной ниже
b = ((n * (Σxy)) - ((Σx) * (Σy))) / (n * (Σx 2 )) - (Σx) 2
- b = ((4 * 144) - (20 * 25)) / (4 * 120 - (20) 2 )
- б = 0, 95
Таким образом, линия регрессии может быть определена как Y = a + bX, то есть Y = 1.5 + 0.95 * X
объяснение
- x здесь является независимой переменной, а y является зависимой переменной, которая изменяется с изменением значения x на определенное значение.
- 1.5 - это точка пересечения, которую можно определить как значение, которое остается постоянным независимо от изменений в независимой переменной.
- 0, 95 в уравнении - это наклон линейной регрессии, который определяет, какая часть переменной является зависимой переменной от независимой переменной.
Формула регрессии - пример № 2
Ниже приводится набор данных. Вам необходимо рассчитать линию линейной регрессии набора данных.
Во-первых, рассчитать квадрат х и произведение х и у
Рассчитать сумму х, у, х 2 и ху
У нас есть все значения в таблице выше с n = 4.
Теперь сначала вычислите точку пересечения и наклон для уравнения регрессии.
(Перехват) рассчитывается по формуле, приведенной ниже
a = (((Σy) * (Σx 2 )) - ((Σx) * (Σxy))) / n * (Σx 2 ) - (Σx) 2
- а = ((21 * 133) - (20 * 126)) / (4 * 133 - (20) 2 )
- а = 1, 97
b (наклон) рассчитывается по формуле, приведенной ниже
b = ((n * (Σxy)) - ((Σx) * (Σy))) / (n * (Σx 2 )) - (Σx) 2
- b = ((4 * 126) - (20 * 21)) / (4 * 133 - (20) 2 )
- б = 0, 66
Таким образом, линия регрессии может быть определена как Y = a + bX, то есть Y = 1.97 + 0.66 * X
объяснение
1.97 - это перехват, который можно определить как значение, которое остается постоянным независимо от изменений в независимой переменной.
0, 66 в уравнении - это наклон линейной регрессии, который определяет, какая часть переменной является зависимой переменной от независимой переменной.
Формула регрессии - Пример № 3
Ниже приводится набор данных. Вам необходимо рассчитать линию линейной регрессии набора данных.
Во-первых, рассчитать квадрат х и произведение х и у
Рассчитать сумму х, у, х 2 и ху
У нас есть все значения в таблице выше с n = 4.
Теперь, во-первых, вычислите пересечение и наклон для уравнения регрессии.
(Перехват) рассчитывается по формуле, приведенной ниже
a = (((Σy) * (Σx 2 )) - ((Σx) * (Σxy))) / n * (Σx 2 ) - (Σx) 2
- а = ((17 * 141) - (20 * 88)) / (4 * 141 - (20) 2 )
- а = 3, 81
b (наклон) рассчитывается по формуле, приведенной ниже
b = ((n * (Σxy)) - ((Σx) * (Σy))) / (n * (Σx 2 )) - (Σx) 2
- b = ((4 * 88) - (20 * 17)) / (4 * 141 - (20) 2 )
- б = 0, 09
Таким образом, линия регрессии может быть определена как Y = a + bX, то есть Y = 3.81 + 0.09 * X
объяснение
3.81 - это перехват, который можно определить как значение, которое остается постоянным независимо от изменений в независимой переменной
0, 09 в уравнении - это наклон линейной регрессии, который определяет, какая часть переменной является зависимой переменной от независимой переменной
объяснение
Формула регрессии имеет одну независимую переменную и имеет одну зависимую переменную в формуле, а значение одной переменной определяется с помощью значения другой переменной.
Актуальность и использование формулы регрессии
Актуальность и использование формулы регрессии могут быть использованы в различных областях. Актуальность и важность формулы регрессии приведены ниже:
- В области финансов формула регрессии используется для расчета беты, которая используется в модели CAPM для определения стоимости капитала в компании. Стоимость собственного капитала используется в исследованиях собственного капитала и для оценки стоимости компании.
- Регрессия также используется при прогнозировании доходов и расходов компании, поэтому может быть полезно провести множественный регрессионный анализ, чтобы определить, как изменения упомянутых допущений повлияют на доходы или расходы в будущем компании. Например, может быть очень высокая корреляция между количеством продавцов, работающих в компании, количеством магазинов, которыми они управляют, и доходом, который приносит бизнес.
- В статистике линия регрессии широко используется для определения t-статистики. Если наклон существенно отличается от нуля, то мы можем использовать регрессионную модель для прогнозирования зависимой переменной для любого значения независимой переменной.
Рекомендуемые статьи
Это было руководство к формуле регрессии. Здесь мы обсудим, как рассчитать регрессию, а также приведем практические примеры и загружаемый шаблон Excel. Вы также можете посмотреть следующие статьи, чтобы узнать больше -
- Руководство по формуле распределения T
- Примеры формулы паритета покупательной способности
- Калькулятор формулы гармонического среднего
- Как рассчитать процентильный ранг?