Ano ang Line Ng Pinakamahusay na Pagkasyahin
Ang linya ng pinakamainam na akma ay tumutukoy sa isang linya sa pamamagitan ng isang nakakalat na balangkas ng mga puntos ng data na pinakamahusay na nagpapahayag ng relasyon sa pagitan ng mga puntong iyon. Ang mga istatistika ay karaniwang gumagamit ng hindi bababa sa pamamaraan ng mga parisukat upang makarating sa equation ng geometriko para sa linya, kahit na ang manu-manong kalkulasyon o software sa pagtatasa ng regression. Ang isang tuwid na linya ay magreresulta mula sa isang simpleng linear na regression analysis ng dalawa o higit pang mga independiyenteng variable. Ang isang regression na kinasasangkutan ng maraming mga kaugnay na variable ay maaaring makabuo ng isang hubog na linya sa ilang mga kaso.
Linya Ng Pinakamahusay na Pagkasyahin
Mga Pangunahing Kaalaman sa Linya Ng Pinakamahusay na Pagkasyahin
Ang linya ng pinakamainam na akma ay isa sa pinakamahalagang mga output ng pagsusuri ng regression. Ang kalungkutan ay tumutukoy sa isang dami ng sukat ng ugnayan sa pagitan ng isa o higit pang independiyenteng mga variable at isang nagreresultang umaasang variable. Ang pagkadismaya ay ginagamit sa mga propesyonal sa isang malawak na hanay ng mga larangan mula sa agham at serbisyo publiko sa pagsusuri sa pananalapi.
Upang magsagawa ng pagsusuri ng regresyon, ang isang istatistika ay nangongolekta ng isang hanay ng mga puntos ng data, bawat isa kabilang ang isang kumpletong hanay ng mga umaasa at independyenteng variable. Halimbawa, ang umaasa na variable ay maaaring maging presyo ng stock ng isang kompanya at ang independyenteng variable ay maaaring maging ang index ng Standard at Poor's 500 at ang pambansang kawalan ng trabaho, sa pag-aakalang ang stock ay hindi nakalista sa S&P 500. Ang sample na hanay ay maaaring bawat isa sa mga ito tatlong mga set ng data para sa nakaraang 20 taon.
Sa isang tsart, ang mga puntos ng data na ito ay lilitaw bilang isang balangkas ng kalat, isang hanay ng mga puntos na maaaring o hindi lilitaw na isinaayos kasama ang anumang linya. Kung ang isang linear pattern ay maliwanag, maaaring posible na gumuhit ng isang linya ng pinakamahusay na akma na pinaliit ang distansya ng mga puntong iyon mula sa linya na iyon. Kung walang pag-aayos ng axis ay malinaw na nakikita, ang pagsusuri ng regression ay maaaring makabuo ng isang linya batay sa hindi bababa sa mga parisukat na pamamaraan. Ang pamamaraang ito ay nagtatayo ng linya na pinapaliit ang parisukat na distansya ng bawat punto mula sa linya ng pinakamahusay na akma.
Upang matukoy ang pormula para sa linyang ito, ang istatistika ay pumapasok sa tatlong mga resulta na ito sa nakaraang 20 taon sa isang application ng regression software. Ang software ay gumagawa ng isang guhit na pormula na nagpapahayag ng sanhi ng relasyon sa pagitan ng S&P 500, ang rate ng kawalan ng trabaho, at ang presyo ng stock ng kumpanya na pinag-uusapan. Ang equation na ito ay ang formula para sa linya ng pinakamahusay na akma. Ito ay isang mahuhulaan na tool, na nagbibigay ng mga analyst at negosyante ng isang mekanismo upang maipalabas ang presyo ng hinaharap ng stock ng kompanya batay sa dalawang independyenteng variable.
Ang Linya ng Pinakamahusay na Pagkabagay ng Pagkabagay at Mga Bahagi nito
Ang isang regression na may dalawang malayang variable tulad ng halimbawa na tinalakay sa itaas ay makagawa ng isang pormula kasama ang pangunahing istrukturang ito:
y = c + b 1 (x 1) + b 2 (x 2)
Sa equation na ito, y ang depend variable, c ay isang pare-pareho, b 1 ang unang koepisyent ng regression at ang x 1 ang unang independyenteng variable. Ang pangalawang koepisyent at pangalawang independiyenteng variable ay b 2 at x 2. Pagguhit mula sa halimbawa sa itaas, ang presyo ng stock ay y, ang S&P 500 ay magiging x 1 at ang rate ng kawalan ng trabaho ay x 2. Ang koepisyent ng bawat independyenteng variable ay kumakatawan sa antas ng pagbabago sa y para sa bawat karagdagang yunit sa variable na iyon. Kung ang S&P 500 ay nagdaragdag ng isa, ang nagreresulta y o magbahagi ng presyo ay aakyat sa dami ng koepisyent. Ang parehong ay totoo para sa pangalawang independiyenteng variable, ang rate ng kawalan ng trabaho. Sa isang simpleng regression sa isang independyenteng variable, ang koepisyent na ito ay ang slope ng linya ng pinakamahusay na akma. Sa halimbawang ito o anumang regression na may dalawang independyenteng variable ang slope ay isang halo ng dalawang koepisyent. Ang pare-pareho c ay ang y-intercept ng linya ng pinakamahusay na akma.
Mga Key Takeaways
- Ang Linya ng Pinakamahusay na Pagkasyahin ay ginagamit upang maipahayag ang isang relasyon sa isang magkakalat na balangkas ng iba't ibang mga puntos ng data.Ito ay isang output ng pagsusuri ng regression at maaaring magamit bilang isang tool ng hula para sa mga tagapagpahiwatig at paggalaw ng presyo.
