Regressió lineal versus regressió múltiple: una visió general
L’anàlisi de regressió és un mètode estadístic habitual utilitzat en finances i inversions. La regressió lineal és una de les tècniques més habituals d’anàlisi de regressió. La regressió múltiple és una classe més àmplia de regressions que engloba regressions lineals i no lineals amb múltiples variables explicatives.
La regressió com a eina ajuda a agrupar dades conjuntament per ajudar les persones i les empreses a prendre decisions informades. Hi ha diferents variables en joc en regressió, incloent-hi una variable dependent –la variable principal que intenteu comprendre– i una variable independent - factors que poden tenir un impacte en la variable depenent.
Per fer que l’anàlisi de regressió funcioni, heu de recollir totes les dades rellevants. Es pot presentar en un gràfic, amb un eix x i un eix Y.
Hi ha diverses raons principals per les quals les persones utilitzen l’anàlisi de regressió:
- Predir les condicions, tendències o valors futurs econòmics Per determinar la relació entre dues o més variables Comprendre com canvia una variable quan canvia una altra
Hi ha molts tipus diferents d’anàlisi de regressió. Amb l'objectiu d'aquest article, veurem dos: regressió lineal i regressió múltiple.
Regressió Lineal
També s’anomena regressió lineal simple. Estableix la relació entre dues variables mitjançant una recta. La regressió lineal intenta dibuixar una línia que s’acosta més a les dades en trobar el pendent i l’intercepció que defineixen la línia i minimitzar els errors de regressió.
Si dues o més variables explicatives tenen una relació lineal amb la variable dependent, la regressió s’anomena regressió lineal múltiple.
Moltes relacions de dades no segueixen una línia recta, de manera que els estadístics utilitzen la seva regressió no lineal. Les dues són similars en què ambdues rastregen gràficament una resposta particular a partir d’un conjunt de variables. Però els models no lineals són més complicats que els models lineals, ja que la funció es crea mitjançant una sèrie de supòsits que poden derivar d’assaig i error.
Regressió múltiple
És rar que una variable dependent només s’expliqui amb una sola variable. En aquest cas, un analista utilitza una regressió múltiple, que intenta explicar una variable dependent utilitzant més d'una variable independent. Les regressions múltiples poden ser lineals i no lineals.
Les regressions múltiples es basen en el supòsit que hi ha una relació lineal entre les variables dependents i independents. Tampoc assumeix cap correlació important entre les variables independents.
Com s'ha esmentat anteriorment, hi ha diversos avantatges en fer servir l'anàlisi de regressió. Aquests empresaris i economistes poden utilitzar aquests models per ajudar a prendre decisions pràctiques.
Una empresa no només pot utilitzar l’anàlisi de regressió per comprendre determinades situacions, com per què cauen les trucades d’atenció al client, sinó també per fer prediccions de futur, com ara xifres de vendes en el futur, i prendre decisions importants com vendes i promocions especials.
Regressió lineal davant regressió múltiple: Exemple
Penseu en un analista que desitgi establir una relació lineal entre el canvi diari en els preus de les accions de l’empresa i altres variables explicatives com ara el canvi diari del volum de negociació i el canvi diari en els rendiments del mercat. Si es produeix una regressió amb el canvi diari en els preus de les accions de l'empresa com a variable dependent i el canvi diari en el volum de negociació com a variable independent, aquest seria un exemple de regressió lineal simple amb una variable explicativa.
Si l’analista afegeix el canvi diari dels rendiments del mercat a la regressió, seria una regressió lineal múltiple.
Punts clau
- L’anàlisi de regressió és un mètode estadístic habitual utilitzat en finances i inversions. La regressió lineal és una de les tècniques més habituals d’anàlisi de regressió. La regressió múltiple és una classe més àmplia de regressions que engloba regressions lineals i no lineals amb múltiples variables explicatives.
