Verwendung von linearen Regression zur Vorhersage einer Statistik Statistik für Dummies, 2. Ausgabe Statistische Forscher verwenden oft eine lineare Beziehung zur Vorhersage der (durchschnittlichen) numerischen Wert von Y für einen gegebenen Wert von X mit einer Geraden (die so genannte Regressionsgeraden). Wenn Sie die Steigung und das y-Intercept dieser Regressionslinie kennen, können Sie einen Wert für X einstecken und den Durchschnittswert für Y vorhersagen. Mit anderen Worten, Sie prognostizieren (der Durchschnitt) Y aus X. Wenn Sie auf Mindestens eine moderate Korrelation zwischen X und Y durch sowohl einen Korrelationskoeffizienten als auch ein Scatterplot, dann wissen Sie, sie haben eine Art von linearen Beziehung. Machen Sie niemals eine Regressionsanalyse, wenn Sie nicht bereits mindestens eine mäßig starke Korrelation zwischen den beiden Variablen gefunden haben. (Eine gute Faustregel ist, sollte es bei oder darüber hinaus entweder positiv oder negativ 0.50.) Wenn die Daten don8217t ähneln einer Zeile zu beginnen, sollten Sie nicht versuchen, eine Zeile an die Daten passen und Vorhersagen machen (aber die Menschen immer noch versuchen ). Bevor Sie fortfahren, um die Gleichung für Ihre Regressionsgeraden zu finden, müssen Sie identifizieren, welche der beiden Variablen X ist und welche Y ist. Wenn Korrelationen gemacht werden, ist die Auswahl der Variablen X und die Y doesn8217t Angelegenheit, solange you8217re konsistent für alle Daten. Aber wenn passende Linien und Vorhersagen, die Wahl von X und Y macht einen Unterschied machen. So wie Sie bestimmen, welche Variable ist, die Im Allgemeinen ist Y die Variable, die Sie vorhersagen möchten, und X ist die Variable, die Sie verwenden, um diese Vorhersage zu machen. Zum Beispiel sagen, Sie verwenden die Anzahl der Male eine Bevölkerung von Grillen Chirp, um die Temperatur vorherzusagen. In diesem Fall würden Sie die Variable Y die Temperatur und die Variable X die Anzahl der Chirps machen. Somit kann Y durch X unter Verwendung der Gleichung einer Linie vorhergesagt werden, wenn eine stark genug lineare Beziehung existiert. Statistiker nennen die X-Variable (Cricket-Chirps in diesem Beispiel) die erklärende Variable, denn wenn X sich ändert, erklärt die Steigung (oder erklärt), wie viel Y erwartet wird, um in Reaktion zu ändern. Daher wird die Y-Variable als Antwortvariable bezeichnet. Andere Namen für X und Y beinhalten die unabhängigen und abhängigen Variablen. Im Fall von zwei numerischen Variablen können Sie mit einer Zeile kommen, die es ermöglicht, Y von X vorherzusagen, wenn (und nur wenn) die folgenden zwei Bedingungen erfüllt sind: Das Scatterplot muss ein lineares Muster bilden. Die Korrelation r ist mäßig bis stark (typischerweise über 0,50 oder 82110,50). Einige Forscher tatsächlich don8217t diese Bedingungen überprüfen, bevor Vorhersagen. Ihre Ansprüche sind ungültig, wenn die beiden Bedingungen nicht erfüllt sind. Aber nehmen Sie an, dass die Korrelation hoch ist, müssen Sie noch auf das Scatterplot schauen Ja. In einigen Situationen haben die Daten eine etwas gekrümmte Form, aber die Korrelation ist immer noch stark in diesen Fällen die Vorhersagen mit einer Geraden ist immer noch ungültig. Vorhersagen in diesen Fällen müssen auf der Grundlage anderer Methoden, die eine Kurve stattdessen verwendet werden. Lineare Regression Diese Seite ist über den Linearen Regression Channel. Wenn Sie an der Linearen Regression Curve oder Linear Regression Line interessiert sind, wählen Sie bitte die Links unten: Linear Regression Channel Ähnlich wie die 200-Tage Moving Average, sehen große Institutionen oft auf langfristige Lineare Regression Channels. Ein Linear Regression Channel besteht aus drei Teilen: Linear Regression Line. Eine Linie, die am besten zu allen interessierenden Datenpunkten passt. Weitere Informationen finden Sie unter: Lineare Regression Line. Obere Kanalzeile. Eine Linie, die parallel zur Linearen Regressionslinie verläuft und üblicherweise eine bis zwei Standardabweichungen oberhalb der Linearen Regressionslinie ist. Untere Kanalzeile. Diese Linie verläuft parallel zur Linearen Regressionslinie und beträgt in der Regel eine bis zwei Standardabweichungen unterhalb der Linearen Regressionslinie. Der mehrjährige Chart des SampP 500 Exchange Traded Fund (SPY) zeigt die Preise in einem stetigen Aufwärtstrend und hält in einer engen Standardabweichung Linearer Regressionskanal: Die obere und die untere Kanalzeile enthalten entweder 68 von allen Preisen (wenn 1 Standardabweichung wird verwendet) oder 95 von allen Preisen (wenn 2 Standardabweichungen verwendet werden). Wenn die Preise außerhalb der Kanäle brechen, entweder: Kauf oder Verkauf Möglichkeiten vorhanden sind. Oder der vorherige Trend könnte enden. Linearer Regressionskanal möglich Kaufsignal Wenn der Preis unter die untere Kanallinie fällt und ein Händler eine Fortsetzung des Trends erwartet, könnte ein Händler dies als Kaufsignal betrachten. Linear Regression Channel Mögliche Verkaufssignal Eine Verkaufschance könnte auftreten, wenn die Preise über der oberen Kanallinie brechen, aber eine Fortsetzung der Tendenz wird vom Händler erwartet. Andere Bestätigungsschilder wie die Preise, die innerhalb des linearen Regressionskanals zurückgehen, könnten dazu verwendet werden, potenzielle Kauf - oder Verkaufsaufträge zu initiieren. Auch andere technische Indikatoren könnten verwendet werden, um zu bestätigen. Trendwende Wenn der Kurs längere Zeit außerhalb des Linearen Regressionskanals geschlossen wird, wird dies oft als frühes Signal interpretiert, dass die vergangene Kursentwicklung brechen könnte und eine deutliche Umkehr nahe sein könnte. Lineare Regression Kanäle sind sehr nützliche technische Analyse Charting-Tools. Neben der Ermittlung von Trends und Trendrichtungen bietet die Verwendung von Standardabweichungen den HändlerInnen Ideen, wann die Preise im Vergleich zum langfristigen Trend überkauft oder überverkauft werden. Die oben stehenden Informationen dienen lediglich Informationszwecken und dienen nur zu Informationszwecken und stellen weder eine Handelsberatung noch eine Aufforderung zum Kauf oder Verkauf von Aktien-, Options-, Zukunfts-, Rohstoff - oder Devisenprodukten dar. Die Wertentwicklung in der Vergangenheit ist nicht unbedingt ein Hinweis auf die zukünftige Wertentwicklung. Handel ist von Natur aus riskant. OnlineTradingConcepts haftet nicht für besondere oder Folgeschäden, die aus der Nutzung oder Nichtnutzung, den auf dieser Website bereitgestellten Materialien und Informationen entstehen. Vollständiger Haftungsausschluss.
No comments:
Post a Comment