Ano ang Hakbang Pagkabagbag-damdamin?
Ang pagsusuri ng kalungkutan ay isang malawak na ginagamit na diskarte sa istatistika na naglalayong makilala ang mga ugnayan sa pagitan ng mga variable. Ang ideya ay upang mai-pool ang may-katuturang data upang makagawa ng mas mahusay na kaalaman na mga pagpapasya at isang karaniwang kasanayan sa mundo ng pamumuhunan. Ang sunud-sunod na regression ay ang sunud-sunod na pag-unlad ng isang pag-ulit ng isang modelo ng regression na nagsasangkot ng awtomatikong pagpili ng mga malayang variable. Ang pagkakaroon ng mga pakete ng statistical software ay ginagawang posible ang sunud-sunod na regression, kahit na sa mga modelo na may daan-daang mga variable.
Mga Uri ng Stepwise Regression
Ang pinagbabatayan ng layunin ng sunud-sunod na regression ay, sa pamamagitan ng isang serye ng mga pagsubok (F-test, t-test) upang makahanap ng isang hanay ng mga independiyenteng variable na makabuluhang nakakaimpluwensya sa umaasang variable. Ginagawa ito sa mga computer sa pamamagitan ng pag-ulit, na kung saan ay ang proseso ng pag-abot sa mga resulta o pagpapasya sa pamamagitan ng pagpunta sa paulit-ulit na pag-ikot o mga siklo ng pagsusuri. Ang pagsasagawa ng mga awtomatikong pagsusuri sa tulong mula sa mga pakete ng statistical software ay may kalamangan sa pag-save ng oras para sa indibidwal.
Mga Key Takeaways
- Ang pagsusuri ng kalungkutan ay isang diskarte sa istatistika na naglalayong maunawaan at masukat ang mga ugnayan sa pagitan ng independyente at umaasa na variable.Stepwise regression ay isang pamamaraan na sinusuri ang statistic kahalagahan ng bawat independyenteng variable sa loob ng modelo.Ang pasulong na paraan ng pagpili ay nagdaragdag ng isang variable at pagkatapos ay mga pagsubok para sa istatistikal na kabuluhan.Ang paatras na pag-aalis ng pamamaraan ay nagsisimula sa isang modelo na puno ng maraming mga variable at pagkatapos ay tinanggal ang isang variable upang masubukan ang kahalagahan nito na may kaugnayan sa pangkalahatang mga resulta.Stepwise regression ay maraming mga kritiko, dahil ito ay diskarte na umaangkop sa data sa isang modelo upang makamit ang isang nais na resulta.
Ang hakbang na hakbang na muling pagbabalik ay maaaring makamit alinman sa pamamagitan ng pagsubok ng isang independyenteng variable sa bawat oras at isama ito sa modelo ng regression kung ito ay makabuluhan sa istatistika o sa pamamagitan ng pagsasama ng lahat ng mga potensyal na independiyenteng variable sa modelo at tinanggal ang mga hindi statistically makabuluhan. Ang ilan ay gumagamit ng isang kumbinasyon ng parehong mga pamamaraan at samakatuwid mayroong tatlong mga diskarte sa sunud-sunod na regression:
- Ang pasulong na pagpili ay nagsisimula sa walang mga variable sa modelo, sumusubok sa bawat variable dahil idinagdag ito sa modelo, pagkatapos ay pinapanatili ang mga itinuturing na pinaka-istatistika na makabuluhan - ang pag-uulit ng proseso hanggang ang mga resulta ay pinakamainam. Ang pag-aalis ng pagsisimula ay nagsisimula sa isang hanay ng mga malayang variable, Ang pagtanggal nang paisa-isa, pagkatapos ay ang pagsubok upang makita kung ang tinanggal na variable ay istatistika na makabuluhan.Bidirectional na pag-aalis ay isang kombinasyon ng unang dalawang pamamaraan na sumusubok kung aling mga variable ang dapat isama o ibukod.
Ang isang halimbawa ng isang sunud-sunod na regression gamit ang paatras na pamamaraan ng pag-aalis ay isang pagtatangka upang maunawaan ang paggamit ng enerhiya sa isang pabrika gamit ang mga variable tulad ng oras ng pagtakbo ng kagamitan, edad ng kagamitan, laki ng kawani, temperatura sa labas, at oras ng taon. Kasama sa modelo ang lahat ng mga variable - pagkatapos ang bawat isa ay tinanggal, nang paisa-isa, upang matukoy kung alin ang hindi gaanong istatistika. Sa huli, maaaring ipakita ng modelo na ang oras ng taon at temperatura ay pinakamahalaga, marahil ay nagmumungkahi ng pinakamataas na pagkonsumo ng enerhiya sa pabrika ay kapag ang paggamit ng air conditioner ay pinakamataas.
Mga Limitasyon ng Stepwise Regression
Ang pagsusuri ng pagkadismaya, kapwa linear at multivariate, ay malawakang ginagamit sa mundo ng pamumuhunan ngayon. Ang ideya ay madalas na makahanap ng mga pattern na umiiral noong nakaraan na maaari ring maulit sa hinaharap. Ang isang simpleng linear regression, halimbawa, ay maaaring tumingin sa mga ratios ng presyo na to-earnings at babalik ang stock sa loob ng maraming taon upang matukoy kung ang mga stock na may mababang mga ratio ng P / E (independiyenteng variable) ay nag-aalok ng mas mataas na pagbabalik (umaasa sa variable). Ang problema sa pamamaraang ito ay ang mga kondisyon ng merkado ay madalas na nagbabago at ang mga relasyon na gaganapin sa nakaraan ay hindi kinakailangang totoo sa kasalukuyan o sa hinaharap.
Samantala, ang hakbang na proseso ng regression ay maraming mga kritiko at may mga tawag pa ring itigil ang paggamit ng pamamaraan. Ang mga istatistika ay nagtatala ng ilang mga disbentaha sa diskarte, kasama ang hindi tamang mga resulta, isang likas na bias sa proseso mismo, at ang pangangailangan para sa makabuluhang kapangyarihan ng computing upang makabuo ng mga kumplikadong modelo ng regression sa pamamagitan ng pag-ulit.
