了解线性回归与多元回归

线性回归与多元回归：概述

回归分析是用于金融和投资的常用统计方法。线性回归是回归分析最常用的技术之一。多元回归是一类较宽泛的回归，包含具有多个解释变量的线性和非线性回归。

回归作为一种工具可帮助将数据汇总在一起，以帮助人员和公司做出明智的决策。回归中有不同的变量在起作用，包括因变量（您要了解的主要变量）和自变量，这些因素可能会对因变量产生影响。

为了使回归分析有效，您必须收集所有相关数据。可以将其显示在具有x轴和y轴的图形上。

人们使用回归分析的主要原因有以下几个：

回归分析有许多种。出于本文的目的，我们将研究两种：线性回归和多元回归。

也称为简单线性回归。它使用直线建立两个变量之间的关系。线性回归尝试通过查找定义该线的斜率和截距并最小化回归误差来绘制一条最接近数据的线。

如果两个或多个解释变量与因变量具有线性关系，则该回归称为多元线性回归。

许多数据关系不遵循直线关系，因此统计学家使用非线性回归代替。两者相似之处在于，它们都以图形方式跟踪来自一组变量的特定响应。但是非线性模型比线性模型更复杂，因为函数是通过一系列可能来自试验和错误的假设创建的。

很少有因变量仅由一个变量解释。在这种情况下，分析师使用多元回归，该回归尝试使用多个自变量来解释因变量。多元回归可以是线性的也可以是非线性的。

多元回归基于以下假设：因变量和自变量之间都存在线性关系。它还假设自变量之间没有主要的相关性。

如上所述，使用回归分析有几个不同的优点。企业和经济学家可以使用这些模型来做出实际决策。

公司不仅可以使用回归分析来了解某些情况（例如为什么客户服务呼叫中断），还可以做出前瞻性的预测（例如未来的销售数字），并做出重要的决策（例如特殊的销售和促销）。

考虑一位希望在公司股价的日变化与其他解释变量（例如，交易量的日变化和市场收益的日变化）之间建立线性关系的分析师。如果他使用公司股价的每日变化作为因变量，而交易量的每日变化作为自变量进行回归，则这将是具有一个解释变量的简单线性回归的示例。

如果分析师将市场收益的每日变化添加到回归中，那将是多元线性回归。