Регресія: поняття, види і рівняння
Відео: Парна регресія: лінійна залежність
Невелика стаття, яка розкриває поняття «регресія» в доступній формі. Також рівняння регресії і її види: лінійне, нелінійне, парна і множинна.регресія... Багато хто з нас чули це слово, але мало хто знає, що ж це таке насправді. Спробуємо розібратися. Регресія - це залежність між певними змінними, за допомогою якої можна спрогнозувати майбутню поведінку даних змінних. Причому, під змінними маються на увазі всілякі періодичні явища аж до людської поведінки.
Найчастіше, регресія подається у вигляді простого рівняння, яке розкриває залежність і силу зв`язку між двома групами числових змінних, одна з яких називається залежною (ендогенної), а друга - незалежної (екзогенної або фактором). Якщо є група взаємопов`язаних показників, то залежна змінна вибирається логічними міркуваннями, а решта виступають незалежними. Тобто, якщо у нас є відстань між містами і витрати на подорож, то цілком ясно, що витрати будуть залежати від відстані. Рівняння бувають двох видів: лінійні і нелінійні (це вже чиста математика). Варто розглянути кожен з видів.
Лінійне рівняння ілюструє строго лінійну зв`язок між змінними, тобто в ньому відсутні ступеня, дробу, тригонометричні функції. Вирішується стандартними математичними методами.
Логічно припустити, що в нелінійний клас рівнянь входить все те, що не увійшло в лінійний. Вирішуються такі рівняння зведенням до лінійного типу, а далі - по накатаній доріжці.
Регресія буває двох видів: парна (лінійна і нелінійна) і множинна (лінійна і нелінійна). Різниця між ними у вигляді рівняння і кількості незалежних змінних. Логічно, що парна регресія - це коли одна залежна змінна і одна незалежна, в множинної - незалежних змінних кілька. У природі має місце виключно множинна регресія, так як не можна обмежити зовнішній вплив на якесь явище строго одним фактором. Розглянемо обидва види регресій детальніше.
Парна (її ще називають двухфакторной) модель проста у використанні, так як у нас всього дві змінні: ендогенна і екзогенна, а значить буде просто вирішити рівняння і провести аналіз. А це означає, що і застосовувати на практиці таку модель дуже легко.
Множинна (багатофакторна) модель набагато складніше, тому що ми маємо рівняння з великою кількістю змінних, для вирішення якого існують певні математичні методи (метод найменших квадратів наприклад).
підсумки
Трохи розібравшись у цій темі, приходиш до висновку, що регресія дуже необхідне поняття, що допомагає передбачити поведінку багатьох явищ. Його використовують в економіці, психології, хімії, біології, метеорології і в багатьох інших науках, причому існує безліч програм, які проводять всі необхідні розрахунки автоматично і самі виводять результати і графіки для аналізу. Користувачеві залишається лише вважати результати і правильно розшифрувати їх. А вже знайти їм застосування взагалі не проблема. Тому, я вважаю, що необхідно мати хоча б найменше уявлення про те, що ж таке ця горезвісна регресія і де її використовувати.
рівняння регресії
Найчастіше, регресія подається у вигляді простого рівняння, яке розкриває залежність і силу зв`язку між двома групами числових змінних, одна з яких називається залежною (ендогенної), а друга - незалежної (екзогенної або фактором). Якщо є група взаємопов`язаних показників, то залежна змінна вибирається логічними міркуваннями, а решта виступають незалежними. Тобто, якщо у нас є відстань між містами і витрати на подорож, то цілком ясно, що витрати будуть залежати від відстані. Рівняння бувають двох видів: лінійні і нелінійні (це вже чиста математика). Варто розглянути кожен з видів.
лінійне рівняння
Лінійне рівняння ілюструє строго лінійну зв`язок між змінними, тобто в ньому відсутні ступеня, дробу, тригонометричні функції. Вирішується стандартними математичними методами.
нелінійне рівняння
Логічно припустити, що в нелінійний клас рівнянь входить все те, що не увійшло в лінійний. Вирішуються такі рівняння зведенням до лінійного типу, а далі - по накатаній доріжці.
види регресії
Регресія буває двох видів: парна (лінійна і нелінійна) і множинна (лінійна і нелінійна). Різниця між ними у вигляді рівняння і кількості незалежних змінних. Логічно, що парна регресія - це коли одна залежна змінна і одна незалежна, в множинної - незалежних змінних кілька. У природі має місце виключно множинна регресія, так як не можна обмежити зовнішній вплив на якесь явище строго одним фактором. Розглянемо обидва види регресій детальніше.
парна регресія
Парна (її ще називають двухфакторной) модель проста у використанні, так як у нас всього дві змінні: ендогенна і екзогенна, а значить буде просто вирішити рівняння і провести аналіз. А це означає, що і застосовувати на практиці таку модель дуже легко.
множинна регресія
Множинна (багатофакторна) модель набагато складніше, тому що ми маємо рівняння з великою кількістю змінних, для вирішення якого існують певні математичні методи (метод найменших квадратів наприклад).
підсумки
Трохи розібравшись у цій темі, приходиш до висновку, що регресія дуже необхідне поняття, що допомагає передбачити поведінку багатьох явищ. Його використовують в економіці, психології, хімії, біології, метеорології і в багатьох інших науках, причому існує безліч програм, які проводять всі необхідні розрахунки автоматично і самі виводять результати і графіки для аналізу. Користувачеві залишається лише вважати результати і правильно розшифрувати їх. А вже знайти їм застосування взагалі не проблема. Тому, я вважаю, що необхідно мати хоча б найменше уявлення про те, що ж таке ця горезвісна регресія і де її використовувати.
Поділитися в соц мережах:
Схожі
