가장 적합한 라인은 무엇입니까
최적 선은 해당 점 간의 관계를 가장 잘 나타내는 데이터 점의 산점도를 통한 선을 나타냅니다. 통계학자는 일반적으로 최소 계산법을 사용하여 수동 계산 또는 회귀 분석 소프트웨어를 통해 선의 기하 방정식에 도달합니다. 직선은 둘 이상의 독립 변수에 대한 간단한 선형 회귀 분석에서 비롯됩니다. 여러 관련 변수가 포함 된 회귀는 경우에 따라 곡선을 생성 할 수 있습니다.
최적의 라인
최적의 라인의 기초
최적 선은 회귀 분석의 가장 중요한 결과 중 하나입니다. 회귀는 하나 이상의 독립 변수와 결과 종속 변수 간의 관계에 대한 양적 측정을 나타냅니다. 회귀는 과학 및 공공 서비스에서 재무 분석에 이르기까지 광범위한 분야의 전문가에게 사용됩니다.
회귀 분석을 수행하기 위해 통계학자는 각각의 완전한 종속 및 독립 변수 세트를 포함하는 데이터 포인트 세트를 수집합니다. 예를 들어, 종속 변수는 회사의 주가가 될 수 있고 독립 변수는 주식이 S & P 500에 나열되어 있지 않다고 가정 할 때 Standard and Poor 's 500 지수와 국가 실업률 일 수 있습니다. 지난 20 년간 3 개의 데이터 세트
차트에서 이러한 데이터 포인트는 산점도로 표시되며, 라인을 따라 구성되거나 표시되지 않는 포인트 세트입니다. 선형 패턴이 분명한 경우 해당 선에서 해당 점의 거리를 최소화하는 최적 선을 스케치 할 수 있습니다. 조직 축이 시각적으로 분명하지 않으면 회귀 분석에서 최소 제곱 법을 기반으로 선을 생성 할 수 있습니다. 이 방법은 가장 적합한 선에서 각 점의 제곱 거리를 최소화하는 선을 만듭니다.
이 줄의 공식을 결정하기 위해 통계학자는 지난 20 년 동안이 세 가지 결과를 회귀 소프트웨어 응용 프로그램에 입력합니다. 이 소프트웨어는 S & P 500, 실업률 및 해당 회사의 주가 간의 인과 관계를 나타내는 선형 공식을 생성합니다. 이 방정식은 가장 적합한 선에 대한 공식입니다. 이 도구는 예측 도구로서 분석가와 거래자에게이 두 가지 독립 변수를 기반으로 회사의 미래 주가를 예상 할 수있는 메커니즘을 제공합니다.
최 적합 방정식과 그 구성 요소
위에서 설명한 예와 같이 두 개의 독립 변수가있는 회귀는 다음과 같은 기본 구조의 공식을 생성합니다.
y = c + b 1 (x 1) + b 2 (x 2)
이 방정식에서 y는 종속 변수이고, c는 상수이며, b 1 은 첫 번째 회귀 계수이고 x 1 은 첫 번째 독립 변수입니다. 제 2 계수 및 제 2 독립 변수는 b 2 및 x 2 입니다. 위의 예에서 주가는 y, S & P 500은 x 1, 실업률은 x 2가 됩니다. 각 독립 변수의 계수는 해당 변수의 각 추가 단위에 대한 y의 변화 정도를 나타냅니다. S & P 500이 1 씩 증가하면 결과 y 또는 주가는 계수의 양만큼 증가합니다. 두 번째 독립 변수 인 실업률도 마찬가지입니다. 하나의 독립 변수를 사용한 간단한 회귀 분석에서 해당 계수는 가장 적합한 선의 기울기입니다. 이 예 또는 두 개의 독립 변수가있는 회귀에서 기울기는 두 계수의 혼합입니다. 상수 c는 최적 선의 y 절편입니다.
주요 테이크 아웃
- 최적 선 (Line of Best Fit)은 서로 다른 데이터 요소의 산점도로 관계를 표현하는 데 사용되며 회귀 분석의 결과이며 지표 및 가격 변동에 대한 예측 도구로 사용될 수 있습니다.
