Mikä on asteittainen regressio?
Regressioanalyysi on laajalti käytetty tilastollinen lähestymistapa, jolla pyritään tunnistamaan muuttujien väliset suhteet. Ajatuksena on yhdistää asiaankuuluvat tiedot paremmin perusteltujen päätösten tekemiseksi, ja se on yleinen käytäntö sijoitusmaailmassa. Asteittainen regressio on asteittainen iteratiivinen konstruointi regressiomallille, joka sisältää automaattisen riippumattomien muuttujien valinnan. Tilastollisten ohjelmistopakettien saatavuus tekee mahdolliseksi asteittaisen regression, jopa malleissa, joissa on satoja muuttujia.
Vaiheittaisen regression tyypit
Vaiheittaisen regression perimmäinen tavoite on testisarjan (F-testit, t-testit) avulla löytää joukko riippumattomia muuttujia, jotka vaikuttavat merkittävästi riippuvaiseen muuttujaan. Tämä tehdään tietokoneilla iteraatiolla, joka on prosessi, jolla saavutetaan tulokset tai päätökset käymällä läpi toistuvia analyysikierroksia tai -syklejä. Testien suorittaminen automaattisesti tilastollisten ohjelmistopakettien avulla on se etu, että henkilö säästää aikaa.
Avainsanat
- Regressioanalyysi on tilastollinen lähestymistapa, jolla pyritään ymmärtämään ja mittaamaan riippumattomien ja riippuvaisten muuttujien välisiä suhteita. Vaiheittainen regressio on menetelmä, jossa tutkitaan kunkin mallin sisällä olevan riippumattoman muuttujan tilastollista merkitsevyyttä. Eteenvalintamenetelmä lisää muuttujan ja testaa sen jälkeen tilastollisen merkitsevyyden..Taustainen eliminaatiomenetelmä alkaa mallilla, joka on ladattu monilla muuttujilla, ja sitten poistetaan yksi muuttuja testaamaan sen merkitystä suhteessa kokonaistuloksiin. Vaiheen regressiolla on paljon kriitikkoja, koska se on lähestymistapa, joka sopii tietoon malliin halutun tuloksen saavuttamiseksi.
Vaiheittainen regressio voidaan saavuttaa joko kokeilemalla yksi riippumaton muuttuja kerrallaan ja sisällyttämällä se regressiomalliin, jos se on tilastollisesti merkitsevä, tai sisällyttämällä kaikki mahdolliset riippumattomat muuttujat malliin ja eliminoimalla ne, jotka eivät ole tilastollisesti merkitseviä. Jotkut käyttävät molempien menetelmien yhdistelmää, ja siksi asteittaiseen regressioon on olemassa kolme lähestymistapaa:
- Eteenpäin valinta alkaa ilman muuttujia mallissa, testaa jokainen muuttuja, kun se lisätään malliin, sitten pitää ne, joita pidetään tilastollisesti merkittävininä - toistamalla prosessia, kunnes tulokset ovat optimaaliset. Takaisin eliminointi alkaa joukosta riippumattomia muuttujia, poistamalla yksi kerrallaan, testataan sitten, onko poistettu muuttuja tilastollisesti merkitsevä. Kaksisuuntainen eliminaatio on kahden ensimmäisen menetelmän yhdistelmä, jolla testataan, mitkä muuttujat tulisi sisällyttää tai sulkea pois.
Esimerkki asteittaisesta taantumisesta taaksepäin eliminointimenetelmää käyttämällä olisi yritys ymmärtää energiankulutusta tehtaalla käyttämällä muuttujia, kuten laitteiden käyntiaika, laitteiden ikä, henkilöstön koko, ulkolämpötilat ja vuodenaika. Malli sisältää kaikki muuttujat - sitten kaikki poistetaan yksi kerrallaan sen määrittämiseksi, mikä on tilastollisesti vähiten merkitsevä. Loppujen lopuksi malli saattaa osoittaa, että vuodenaika ja lämpötilat ovat merkittävimmät, mikä voi viitata siihen, että tehtaan energiankulutus on huippua tehtaalla, kun ilmastointilaitteiden käyttö on korkeinta.
Vaiheittaisen regression rajoitukset
Regressioanalyysi, sekä lineaarinen että monimuuttuja, ovat nykyään laajalti käytössä sijoitusmaailmassa. Ajatuksena on usein löytää aiemmin olemassa olevia malleja, jotka saattavat toistua myös tulevaisuudessa. Esimerkiksi yksinkertainen lineaarinen regressio voi tarkastella hinta-tuotto-suhteita ja osaketuottoa vuosien ajan määrittääkseen, tarjoavatko osakkeet, joilla on alhaiset P / E-suhteet (riippumaton muuttuja), korkeammat tuotot (riippuvainen muuttuja). Tämän lähestymistavan ongelmana on, että markkinaolosuhteet muuttuvat usein ja menneisyydessä pidetyt suhteet eivät välttämättä pidä paikkansa nykyisessä tai tulevaisuudessa.
Samanaikaisesti porrastetulla regressioprosessilla on paljon kriitikkoja ja on jopa kehotuksia lopettaa menetelmän käyttö kokonaan. Tilastotieteilijät huomauttavat lähestymistapaan liittyviä useita haittoja, mukaan lukien virheelliset tulokset, luontaisia ennakkoluuloja itse prosessissa ja tarpeen huomattavaan laskentatehoon kehittää monimutkaisia regressiomalleja iteraation avulla.
