Шта је степена регресија?
Регресијска анализа је широко кориштен статистички приступ који настоји да идентификује односе између променљивих. Идеја је објединити релевантне податке за доношење боље информисаних одлука и уобичајена је пракса у свету улагања. Постепена регресија је корак по корак итеративна конструкција регресијског модела која укључује аутоматски избор независних варијабли. Доступност статистичких софтверских пакета омогућава постепену регресију, чак и код модела са стотинама променљивих.
Врсте степенасте регресије
Основни циљ поступне регресије је, кроз низ тестова (Ф-тестови, т-тестови), пронаћи скуп независних променљивих који значајно утичу на зависну променљиву. То се ради помоћу рачунара кроз итерацију, што је процес доношења резултата или одлука проласком поновљених кругова или циклуса анализе. Аутоматско провођење тестова уз помоћ статистичких софтверских пакета има предност у уштеди времена за појединца.
Кључне Такеаваис
- Регресијска анализа је статистички приступ који настоји да разуме и измери односе између независних и зависних променљивих. Постепена регресија је метода која проучава статистички значај сваке независне променљиве у моделу. Приступ селекционисању напријед додаје променљиву, а затим тестира статистичку значајност. Метода елиминације уназад започиње моделом оптерећеним многим варијаблама, а затим уклања једну варијаблу како би се тестирала њена важност у односу на свеукупне резултате. Поступка регресије има много критичара, јер приступ који уклапа податке у модел постиже жељени резултат.
Постепена регресија може се постићи или испробавањем једне независне променљиве истовремено и укључивањем у регресијски модел ако је она статистички значајна или укључивањем свих потенцијалних независних променљивих у модел и елиминацијом оних које нису статистички значајне. Неки користе комбинацију обе методе и зато постоје три приступа за постепену регресију:
- Одабир напријед започиње без варијабли у моделу, тестира сваку варијаблу како је додата моделу, а затим задржава оне за које се сматра да су статистички најзначајније - понавља поступак док резултати нису оптимални. Елиминација уназад започиње сетом независних варијабли, бришући једну по једну, а затим тестирајте да ли је уклоњена варијабла статистички значајна. Двосмерна елиминација је комбинација прве две методе која тестира које варијабле треба укључити или искључити.
Пример постепене регресије коришћењем методе елиминације уназад био би покушај разумевања потрошње енергије у фабрици коришћењем променљивих као што су време рада опреме, старост опреме, величина особља, температуре напољу и доба године. Модел укључује све променљиве - а затим се свака уклања, једна по једна, како би се утврдило која је статистички најмање значајна. На крају, модел би могао да покаже да су доба године и температуре најзначајније, што вероватно сугерира да је највећа потрошња енергије у фабрици оног тренутка када је употреба клима уређаја највећа.
Ограничења поступне регресије
Регресијска анализа, линеарна и мултиваријантна, данас се широко користи у свету инвестиција. Идеја је често пронаћи обрасце који су постојали у прошлости, а који би се такође могли поновити у будућности. Једноставна линеарна регресија, на пример, може размотрити омјере цијене и зараде и приносе дионица током многих година како би се утврдило нуде ли дионице с малим П / Е омјерима (независна варијабла) већи принос (овисна варијабла). Проблем овог приступа је у томе што се тржишни услови често мењају и односи који су се задржали у прошлости не морају увек да важе и у садашњости или будућности.
У међувремену, поступни регресијски процес има много критичара, па чак постоје и позиви да се метода потпуно заустави. Статистичари примјећују неколико недостатака приступа, укључујући нетачне резултате, урођену пристраност у самом процесу и потребу за значајном рачунарском снагом да се кроз итерацију развију сложени регресијски модели.
