Linea di migliore vestibilità
Qual è la linea più adatta
La linea di migliore adattamento si riferisce a una linea attraverso un grafico a dispersione di punti dati che esprime al meglio la relazione tra quei punti. Gli statistici in genere utilizzano il metodo dei minimi quadrati per arrivare all'equazione geometrica per la retta, tramite calcoli manuali o software di analisi di regressione. Una retta risulterà da una semplice analisi di regressione lineare di due o più variabili indipendenti. Una regressione che coinvolge più variabili correlate può produrre una linea curva in alcuni casi.
Nozioni di base sulla linea di migliore vestibilità
La linea di miglior adattamento è uno dei risultati più importanti dell'analisi di regressione . La regressione si riferisce a una misura quantitativa della relazione tra una o più variabili indipendenti e una variabile dipendente risultante. La regressione è utile ai professionisti in un'ampia gamma di campi, dalla scienza e dal servizio pubblico all'analisi finanziaria.
Per eseguire un'analisi di regressione, uno statistico raccoglie un insieme di punti dati, ciascuno comprendente un insieme completo di variabili dipendenti e indipendenti. Ad esempio, la variabile dipendente potrebbe essere il prezzo delle azioni di un'impresa e le variabili indipendenti potrebbero essere l' indice Standard and Poor's 500 e il tasso di disoccupazione nazionale, supponendo che il titolo non sia elencato nell'S&P 500. Il campione potrebbe essere ciascuno di questi tre set di dati negli ultimi 20 anni.
Su un grafico, questi punti dati apparirebbero come grafici a dispersione, un insieme di punti che possono apparire o meno organizzati lungo qualsiasi linea. Se è evidente una ripetizione lineare, potrebbe essere possibile disegnare una linea di migliore adattamento che riduca al minimo la distanza di quei punti da quella linea. Se nessun asse organizzativo è visivamente evidente, l'analisi di regressione può generare una linea basata sul metodo dei minimi quadrati. Questo metodo costruisce la linea che riduce al minimo la distanza al quadrato di ciascun punto dalla linea di migliore adattamento.
Per determinare la formula per questa linea, lo statistico inserisce questi tre risultati degli ultimi 20 anni in un'applicazione software di regressione. Il software produce una formula lineare che esprime la relazione causale tra l'S&P 500, il tasso di disoccupazione e il prezzo delle azioni della società in questione. Questa equazione è la formula per la linea di miglior adattamento. È uno strumento predittivo, che fornisce ad analisti e trader un meccanismo per proiettare il prezzo futuro delle azioni dell'azienda in base a queste due variabili indipendenti.
La linea dell'equazione Best Fit e i suoi componenti
Una regressione con due variabili indipendenti come l'esempio discusso sopra produrrà una formula con questa struttura di base:
y= c + b1(x1) + b2(x2)
In questa equazione, y è la variabile dipendente, c è una costante, b1 è il primo coefficiente di regressione e x1 è la prima variabile indipendente. Il secondo coefficiente e la seconda variabile indipendente sono b2 e x2. Attingendo dall'esempio sopra, il prezzo delle azioni sarebbe y, l'S&P 500 sarebbe x1 e il tasso di disoccupazione sarebbe x2. Il coefficiente di ciascuna variabile indipendente rappresenta il grado di variazione in y per ogni unità aggiuntiva in quella variabile. Se l'S&P 500 aumenta di uno, la y risultante o il prezzo dell'azione aumenterà dell'importo del coefficiente. Lo stesso vale per la seconda variabile indipendente, il tasso di disoccupazione. In una semplice regressione con una variabile indipendente, quel coefficiente è la pendenza della linea di miglior adattamento. In questo esempio o in qualsiasi regressione con due variabili indipendenti, la pendenza è un mix dei due coefficienti. La costante c è l'intercetta y della linea di miglior adattamento.
Mette in risalto
La linea di adattamento migliore viene utilizzata per esprimere una relazione in un grafico a dispersione di diversi punti dati.
È un risultato dell'analisi di regressione e può essere utilizzato come strumento di previsione per indicatori e movimenti di prezzo.
