선형 회귀 vs. 다중 회귀: 개요
회귀 분석은 재무 및 투자에 사용되는 일반적인 통계 방법입니다. 선형 회귀는 가장 일반적인 회귀 분석 기술 중 하나입니다. 다중 회귀는 설명 변수가 여러 개인 선형 및 비선형 회귀를 포함하는 광범위한 회귀 유형입니다.
도구로서의 회귀는 사람들과 회사가 정보에 입각 한 결정을 내리는 데 도움이되도록 데이터를 함께 모으는 데 도움이됩니다. 회귀 분석에는 종속 변수 (인식하려는 주요 변수)와 종속 변수에 영향을 미칠 수있는 독립 변수를 포함하여 여러 가지 변수가 있습니다.
회귀 분석 작업을 수행하려면 모든 관련 데이터를 수집해야합니다. x 축과 y 축으로 그래프에 표시 할 수 있습니다.
사람들이 회귀 분석을 사용하는 몇 가지 주된 이유가 있습니다.
- 미래의 경제 상황, 추세 또는 가치를 예측하려면 두 개 이상의 변수 간의 관계를 결정하려면 한 변수가 다른 변수를 변경할 때 어떻게 변하는 지 이해
회귀 분석에는 여러 가지 종류가 있습니다. 이 기사에서는 선형 회귀와 다중 회귀의 두 가지를 살펴 보겠습니다.
선형 회귀
단순 선형 회귀라고도합니다. 직선을 사용하여 두 변수 간의 관계를 설정합니다. 선형 회귀는 선을 정의하고 회귀 오류를 최소화하는 기울기와 절편을 찾아 데이터에 가장 가까운 선을 그리려고합니다.
둘 이상의 설명 변수가 종속 변수와 선형 관계를 갖는 경우 회귀를 다중 선형 회귀라고합니다.
많은 데이터 관계는 직선을 따르지 않으므로 통계학자는 비선형 회귀를 대신 사용합니다. 둘은 변수 세트에서 특정 응답을 그래픽으로 추적한다는 점에서 비슷합니다. 그러나 비선형 모델은 선형 모델보다 복잡합니다. 함수는 시행 착오에서 비롯 될 수있는 일련의 가정을 통해 생성되기 때문입니다.
다중 회귀
종속 변수가 하나의 변수로만 설명되는 경우는 드 rare니다. 이 경우 분석가는 다중 회귀 분석을 사용하여 둘 이상의 독립 변수를 사용하여 종속 변수를 설명하려고 시도합니다. 다중 회귀는 선형 및 비선형 일 수 있습니다.
다중 회귀 분석은 종속 변수와 독립 변수 사이에 선형 관계가 있다고 가정합니다. 또한 독립 변수 사이에 큰 상관 관계가 없다고 가정합니다.
위에서 언급했듯이 회귀 분석을 사용하면 여러 가지 장점이 있습니다. 비즈니스 및 경제학자는 이러한 모델을 사용하여 실제적인 결정을 내릴 수 있습니다.
회사는 회귀 분석을 사용하여 고객 서비스 요청이 떨어지는 이유와 같은 특정 상황을 이해하고 향후 판매 수치와 같은 미래 예측을 내리고 특별 판매 및 판촉과 같은 중요한 결정을 내릴 수 있습니다.
선형 회귀 vs. 다중 회귀: 예
회사의 주가 일일 변동과 일일 거래량 변동 및 일일 시장 수익 변동과 같은 기타 설명 변수 사이에 선형 관계를 구축하려는 분석가를 고려하십시오. 회사 주식의 일일 변동을 종속 변수로, 일일 거래량 변동을 독립 변수로 회귀 분석을하는 경우, 설명 변수가 하나 인 간단한 선형 회귀의 예가됩니다.
분석가가 시장 수익의 일일 변화를 회귀에 추가하면 여러 선형 회귀가됩니다.
주요 테이크 아웃
- 회귀 분석은 재무 및 투자에 사용되는 일반적인 통계 방법입니다. 선형 회귀는 가장 일반적인 회귀 분석 기술 중 하나입니다. 다중 회귀는 설명 변수가 여러 개인 선형 및 비선형 회귀를 포함하는 광범위한 회귀 유형입니다.
