ຖົດຖອຍເຊີງເສັ້ນ

ການວິເຄາະ Regression ສາມາດໄດ້ຮັບການເພີ່ມເຂົ້າໄປໃນວິທີການສະຖິຕິຂອງການສຶກສາຄວາມສໍາພັນລະຫວ່າງການປ່ຽນແປງສະເພາະໃດຫນຶ່ງ (ຂຶ້ນແລະເປັນເອກະລາດ) ໄດ້. ໃນກໍລະນີດັ່ງກ່າວນີ້, ການປ່ຽນແປງເອກະລາດໄດ້ຖືກເອີ້ນວ່າ "ຄວາມແປປວນ" ແລະຂຶ້ນ - "criterial". ໃນເວລາທີ່ດໍາເນີນການວິເຄາະຖົດຖອຍເຊີງເສັ້ນການເປັນຕົວແທນຂອງຕົວປ່ຽນແປງຂຶ້ນໃຊ້ເວລາຮູບແບບຂອງການຂະຫນາດໄລຍະຫ່າງໄດ້. ມີການຄາດຄະເນທີ່ປະທັບຂອງຄວາມສໍາພັນທີ່ບໍ່ແມ່ນ, ຮູບແຂບລະຫວ່າງການປ່ຽນແປງກ່ຽວຂ້ອງກັບຂະຫນາດໄລຍະຫ່າງແມ່ນ, ແຕ່ບັນຫານີ້ໄດ້ຮັບການແກ້ໄຂແລ້ວໂດຍວິທີການຂອງການຖົດຖອຍທີ່ບໍ່ແມ່ນ, ຮູບແຂບ, ເຊິ່ງບໍ່ແມ່ນເລື້ອງຂອງບົດຄວາມນີ້.

Linear regression ໄດ້ຖືກນໍາໃຊ້ທີ່ຂ້ອນຂ້າງສົບຜົນສໍາເລັດໃນການຄິດໄລ່ທາງຄະນິດສາດ, ແລະໃນການສຶກສາເສດຖະກິດໂດຍອີງໃສ່ຂໍ້ມູນສະຖິຕິ.

ດັ່ງນັ້ນພິຈາລະນານີ້ເປັນ regression ຫຼາຍ. ຈາກ viewpoint ຂອງວິທີການທາງຄະນິດສາດຂອງການກໍານົດການພົວພັນ, ຮູບແຂບລະຫວ່າງການປ່ຽນແປງບາງຢ່າງຖົດຖອຍເຊີງເສັ້ນສາມາດເປັນຕົວແທນເປັນສູດໄດ້: y = a bx +. ສໍາລັບຄໍາອະທິບາຍຂອງສູດນີ້ສາມາດໄດ້ຮັບການພົບເຫັນຢູ່ໃນປື້ມແບບຮຽນກ່ຽວກັບ Econometrics.

ໃນເວລາທີ່ການຂະຫຍາຍຈໍານວນຂອງການສັງເກດການ (ເຖິງຈໍານວນ n ທີຂອງເວລາ) ໄດ້ໂດຍຖົດຖອຍເຊີງເສັ້ນງ່າຍດາຍ, ເປັນຕົວແທນໂດຍສູດ:

yi = A + bxi + ei,

ທີ່ ei - ເອກະລາດ, ແຈກຢາຍເຊັ່ນດຽວກັນ, ການປ່ຽນແປງໄປ.

ໃນບົດຄວາມນີ້ຂ້າພະເຈົ້າຢາກຈະຈ່າຍເອົາໃຈໃສ່ເພີ່ມເຕີມຕໍ່ກັບແນວຄວາມຄິດນີ້ມາຈາກ standpoint ຂອງຄາດຄະເນວ່ລາຄາໃນອະນາຄົດໂດຍອີງໃສ່ຂໍ້ມູນທີ່ຜ່ານມາ. ໃນບໍລິເວນນີ້, ພວກເຮົາຄາດວ່າຖົດຖອຍເຊີງເສັ້ນເປັນກິດຈະກໍາການນໍາໃຊ້ ໄດ້ຢ່າງຫນ້ອຍວິທີການຮຽບຮ້ອຍ, ເຊິ່ງຈະຊ່ວຍໃຫ້ການກໍ່ສ້າງໃນ "ເຫມາະສົມທີ່ສຸດ" ເສັ້ນຊື່ໂດຍຜ່ານການຈໍານວນທີ່ແນ່ນອນຂອງຄຸນຄ່າຂອງຈຸດລາຄາ. ຂໍ້ມູນວັດສະດຸປ້ອນນໍາໃຊ້ໂດຍຈຸດລາຄາ, ຊຶ່ງຫມາຍຄວາມວ່າສູງ, ຕ່ໍາ, ປິດຫຼືເປີດ, ແລະສະເລ່ຍຂອງຫລັກທໍາເຫລົ່ານີ້ (ເຊັ່ນ: ຜົນລວມຂອງສູງສຸດແລະຕໍາ່ສຸດທີ່ຫານດ້ວຍສອງ). ນອກຈາກນີ້, ຂໍ້ມູນເຫຼົ່ານີ້ກ່ອນທີ່ການກໍ່ສ້າງເປັນເສັ້ນທີ່ເຫມາະສົມສາມາດ smoothed ຕາມອໍາເພີໃຈ.

ດັ່ງທີ່ໄດ້ກ່າວຂ້າງເທິງ, ຖົດຖອຍເຊີງເສັ້ນມັກຖືກນໍາໃຊ້ໂດຍນັກວິເຄາະເພື່ອກໍານົດທ່າອ່ຽງຂອງການບົນພື້ນຖານຂອງລາຄາແລະເວລາໄດ້. ໃນກໍລະນີດັ່ງກ່າວນີ້, ເປີ້ນພູຂອງຕົວຊີ້ວັດການຖົດຖອຍໄດ້ຈະກໍານົດຂະຫນາດຂອງການປ່ຽນແປງລາຄາຕໍ່ຫົວຫນ່ວຍຂອງທີ່ໃຊ້ເວລາໄດ້. ຫນຶ່ງໃນເງື່ອນໄຂສໍາລັບການຕັດສິນໃຈທີ່ຖືກຕ້ອງໂດຍໃຊ້ຕົວຊີ້ວັດນີ້ແມ່ນການນໍາໃຊ້ໂດຍທົ່ວໄປແລ້ວສັນຍານໄດ້, ດັ່ງຕໍ່ໄປນີ້ແນວໂນ້ມຂອງການຖົດຖອຍ inclination ໄດ້. ຖ້າຫາກວ່າເປີ້ນພູບວກ (ເພີ່ມຂຶ້ນ linear regression) ຊື້ຈະດໍາເນີນການຖ້າຫາກວ່າມູນຄ່າຕົວຊີ້ວັດທີ່ມີຄ່າຫລາຍກ່ວາສູນ. ໃນລະຫວ່າງຄ້ອຍລົບ (ຫຼຸດລົງ regression) ສໍາລັບຂາຍຄວນຈະຢູ່ໃນຄ່າລົບຂອງຕົວຊີ້ວັດ (ຫນ້ອຍກ່ວາສູນ).

ຕາມທີ່ໃຊ້ໃນການກໍານົດບັນທັດທີ່ດີທີ່ສຸດທີ່ສອດຄ້ອງກັນກັບຈໍານວນທີ່ແນ່ນອນຂອງຈຸດລາຄາ, ວິທີການຢ່າງຫນ້ອຍສີ່ຫລ່ຽມ, ກໍຫມາຍຄວາມວ່າຂັ້ນຕອນວິທີດັ່ງຕໍ່ໄປນີ້:

- ແມ່ນການສະແດງອອກທັງຫມົດຂອງຄວາມແຕກຕ່າງຂອງຮູບສີ່ຫຼ່ຽມມົນຂອງລາຄາແລະເສັ້ນຖົດຖອຍໄດ້;

- ແມ່ນອັດຕາສ່ວນຂອງຈໍານວນເງິນນີ້ແລະຈໍານວນຂອງ bars ໃນລະດັບຂອງຊຸດຂໍ້ມູນຖົດຖອຍໄດ້;

- ຕາມຜົນຄໍານວນ ຮາກ, . ເຊິ່ງເທົ່າກັບຕະ

Simple Linear Regression ສົມຜົນມີຮູບແບບການ:

y (x) = f (x) ^,

ບ່ອນທີ່ - ຄຸນນະສົມບັດຜະລິດຕະພັນນໍາສະເຫນີຕົວແປຕາມ;

x - ອະທິບາຍຫລືຕົວແປເອກະລາດ;

^ ບຸເມື່ອບໍ່ມີທີ່ເຄັ່ງຄັດ ສໍາພັນທີ່ເປັນປະໂຫຍດ ລະຫວ່າງການປ່ຽນແປງ x ແລະ y. ເພາະສະນັ້ນ, ໃນກໍລະນີໂດຍສະເພາະແຕ່ລະຄົນ, ທີ່ທ່ານສຕົວແປອາດຈະປະກອບດ້ວຍຂໍ້ກໍານົດດັ່ງກ່າວ:

y = YX + ε,

ບ່ອນທີ່ - ຂໍ້ມູນຜົນຕົວຈິງ;

uh - ຂໍ້ມູນຜົນທາງທິດສະດີການກໍານົດໂດຍການແກ້ໄຂ ສົມຜົນຖົດຖອຍ ;

ε - ແປ random ທີ່ characterizes deviation ລະຫວ່າງມູນຄ່າຕົວຈິງແລະທິດສະດີໄດ້.