Obsah:
- Definícia - Čo znamená obyčajná regresia najmenších štvorcov (OLSR)?
- Techopedia vysvetľuje obyčajnú regresiu najmenších štvorcov (OLSR)
Definícia - Čo znamená obyčajná regresia najmenších štvorcov (OLSR)?
Bežná regresia najmenších štvorcov (OLSR) je generalizovaná technika lineárneho modelovania. Používa sa na odhad všetkých neznámych parametrov zahrnutých do lineárneho regresného modelu, ktorého cieľom je minimalizovať súčet druhých mocnín rozdielu pozorovaných premenných a vysvetľujúcich premenných.
Bežná regresia najmenších štvorcov je tiež známa ako obyčajná regresia najmenších štvorcov alebo najmenších štvorcov.
Techopedia vysvetľuje obyčajnú regresiu najmenších štvorcov (OLSR)
Vynalezený v roku 1795 Carlom Friedrichom Gaussom sa považuje za jednu z prvých známych všeobecných predikčných metód. OLSR popisuje vzťah medzi závislou premennou (čo sa má vysvetliť alebo predpovedať) a jej jednou alebo viacerými nezávislými premennými (vysvetľujúca premenná). Aplikácia OLSR sa nachádza v nespočetných oblastiach, ako sú psychológia, spoločenské vedy, medicína, ekonómia a financie.
Môžu sa vyskytnúť dva vzťahy: lineárny a krivočiary. Lineárny vzťah je priama čiara, ktorá je nakreslená prostredníctvom centrálnej tendencie bodov; zatiaľ čo krivočiary vzťah je zakrivená čiara. Asociácie medzi uvedenými premennými sú znázornené pomocou rozptylu. Vzťah môže byť pozitívny alebo negatívny a rozdiely v výsledkoch sa tiež líšia v sile.
Na základnej úrovni je OLSR ľahko zrozumiteľný aj pre nematematikov a jeho riešenia sa dajú ľahko interpretovať. Jeho pridaná pozornosť je spôsobená jeho dostupnosťou pomocou vstavaných algoritmov počítačov z lineárnej algebry. Takto sa dá rýchlo aplikovať na problémy so stovkami nezávislých premenných, ktoré efektívne poskytujú výsledky desiatkam tisíc dátových bodov.
OLSR sa často používa v ekonometrii, pretože poskytuje najlepší lineárny nestranný odhadca (BLUE) vzhľadom na predpoklady Gauss-Markov. Ekonometria je odvetvie ekonomiky, v ktorom sa štatistické metódy aplikujú na ekonomické údaje. Jeho cieľom je extrahovať jednoduché vzťahy pitvaním existujúcich obrovských množstiev údajov. Tento štatistický algoritmus sa používa aj v strojovom učení a prediktívnej analýze na dynamické predpovedanie výsledkov na základe dynamicky sa meniacich premenných.
