조정된 평균

조정 평균이란 무엇입니까?

편차 를 보상하기 위해 통계적 평균을 수정해야 할 때 발생합니다 . 데이터 세트에 존재하는 이상치는 작은 모집단의 계산된 평균에 큰 영향을 미칠 수 있기 때문에 조정된 값을 결정하기 위해 종종 제거됩니다. 조정된 평균은 회귀 분석을 통해 이러한 이상값을 제거하여 결정할 수 있습니다. 조정된 평균은 최소 제곱 평균 이라고도 합니다.

조정된 수단의 이해

조정된 평균은 데이터 세트의 추세선에 큰 영향을 미치는 이상값 데이터 포인트가 있을 때 재무에서 가장 자주 사용됩니다. 분석가는 이상값을 완전히 제거하도록 선택할 수 있지만 이는 일반적으로 이상값의 이면이 알려져 있거나 추세에 대한 대략적인 예측이 적절한 이유인 경우에만 수행됩니다.

이상값을 제거하려는 연구원 및 전문가의 경우 다중 회귀 방정식이 선호되는 방법입니다. 회귀 분석은 연구 결론에서 더 정확한 결과와 더 신뢰할 수 있는 데이터를 제공합니다. 회귀 분석 외에도 평균을 조정하는 보다 기본적인 방법이 있습니다.

평균을 조정하는 한 가지 방법은 데이터를 더 세밀하게 분리하는 범주형 변수를 추가하는 것입니다. 예를 들어, 오늘날 회계사들이 50년 전 회계사보다 절반 정도 술을 마신다는 사실을 발견한 회계 전문직의 알코올 소비를 조사한 연구를 상상해 보십시오. 이것은 긍정적인 것처럼 보일 수 있지만 심층 분석을 통해 연구는 성별에 맞게 조정되지 않은 것으로 나타났습니다. 성별을 감안하면 50년 전 회계사에 비해 남성 회계사의 음주량이 다소 줄었지만 가장 큰 변화는 여성 회계사의 전체 증가다. 평균적으로 이 연구에 따르면 여성 회계사는 50년 전 여성 회계사와 거의 같은 술을 마시는 것으로 나타났습니다. 여성 회계사는 또한 오늘날과 50년 전 남성 회계사보다 훨씬 적게 술을 마십니다. 그러나 여성 회계사의 수가 그 어느 때보다 많아져 남성 회계사의 음주 습관이 상대적으로 정체되어 있음에도 불구하고 직업의 전반적인 음주 수준을 줄이는 데 효과적으로 도움이 됩니다.

이 경우 추가 변수는 데이터에 대한 보다 정확한 정보를 제공하고 각 샘플링 그룹에서 남성 대 여성의 비율을 반영하는 성별 값을 추가하여 전체 평균으로 다시 결합할 수 있습니다. 이것은 직업에서 전반적으로 음주에 있어 좀 더 겸손한 하락을 보일 것입니다. 그러나 이 데이터에 대한 추가 분석을 수행하면 하나의 통합된 평균이 이 데이터를 표시하는 가장 좋은 방법이 아님을 알 수 있습니다.

연구원이 제어할 수 없지만 실험 결과에 영향을 미치는 변수 유형인 공변량 으로 간주 됩니다. 수정 평균을 사용하는 것은 공변량을 보상하는 방법입니다. 성별에 차이가 없다면 활동이나 행동의 효과는 무엇입니까? 연령, 민족, 사회경제적 지위 등과 같은 다른 인구통계학적 데이터에 대해서도 동일한 유형의 조정이 이루어집니다.

조정된 평균의 예

2009년 FASB(Financial Accounting Standards Board)는 압력을 완화하고 대형 은행의 대차대조표를 즉시 개선하기 위해 시장 출시 규칙을 명확히 했습니다. 분석가가 은행에서 발표한 측정치를 사용하여 2010년 대차대조표 건전성 추이를 지난 10년 동안 검토했다면 평균 평균은 문제가 되고 2009년 규칙 변경에 포함되기 때문에 부정확할 것입니다.

이를 수정하는 한 가지 방법은 대차대조표 수치와 당시의 시장 가치 간의 평균 차이에 대한 변동 계수를 만드는 것입니다. 그러나 실제로 은행 부문 분석가는 규칙이 명확해진 후에도 계속해서 엄격한 시가 기준 수치를 계산하므로 간단한 솔루션은 이러한 데이터 세트를 대신 사용하는 것입니다. 더 중요한 것은, 은행은 시가평가 규칙에 따라 항상 상당한 재량권을 가지고 있었기 때문에 보유 자산에 대한 대차대조표 수치는 가능한 한 회의적이고 독립적으로 확인되어야 합니다.

##하이라이트

• 조정된 평균은 데이터 세트의 이상값으로 인한 명백한 불균형을 포함하는 통계적 평균을 수정하는 데 사용됩니다.

• 통계에 의존하는 대부분의 전문가가 조정 평균을 계산하는 데 선호하는 방법은 다중 회귀를 사용하는 것입니다.

• 수정 평균을 계산하는 더 간단한 방법은 성별과 같이 데이터를 더 미세하게 구분하는 범주형 변수를 추가하는 것입니다.