Che cos'è la regressione graduale?
L'analisi di regressione è un approccio statistico ampiamente utilizzato che cerca di identificare le relazioni tra le variabili. L'idea è quella di riunire i dati rilevanti per prendere decisioni più informate ed è una pratica comune nel mondo degli investimenti. La regressione graduale è la costruzione iterativa passo-passo di un modello di regressione che comporta la selezione automatica di variabili indipendenti. La disponibilità di pacchetti software statistici rende possibile la regressione graduale, anche in modelli con centinaia di variabili.
Tipi di regressione graduale
L'obiettivo di fondo della regressione graduale è, attraverso una serie di test (test F, test t) trovare una serie di variabili indipendenti che influenzano in modo significativo la variabile dipendente. Questo viene fatto con i computer attraverso l'iterazione, che è il processo per arrivare a risultati o decisioni attraverso cicli o cicli di analisi ripetuti. L'esecuzione automatica dei test con l'aiuto di pacchetti software statistici ha il vantaggio di risparmiare tempo per l'individuo.
Key Takeaways
- L'analisi di regressione è un approccio statistico che cerca di comprendere e misurare le relazioni tra variabili indipendenti e dipendenti. La regressione rapida è un metodo che esamina il significato statistico di ciascuna variabile indipendente all'interno del modello. L'approccio di selezione in avanti aggiunge una variabile e quindi verifica la significatività statistica Il metodo di eliminazione all'indietro inizia con un modello caricato con molte variabili e quindi rimuove una variabile per verificarne l'importanza rispetto ai risultati complessivi. La regressione rapida ha molti critici, in quanto è un approccio che adatta i dati a un modello per ottenere il risultato desiderato.
La regressione graduale può essere ottenuta provando una variabile indipendente alla volta e includendola nel modello di regressione se è statisticamente significativa o includendo tutte le potenziali variabili indipendenti nel modello ed eliminando quelle che non sono statisticamente significative. Alcuni usano una combinazione di entrambi i metodi e quindi ci sono tre approcci alla regressione graduale:
- La selezione diretta inizia senza variabili nel modello, verifica ogni variabile man mano che viene aggiunta al modello, quindi mantiene quelle ritenute statisticamente più significative, ripetendo il processo fino a quando i risultati non sono ottimali. L'eliminazione verso il basso inizia con una serie di variabili indipendenti, eliminando uno alla volta, quindi test per vedere se la variabile rimossa è statisticamente significativa. L'eliminazione bidirezionale è una combinazione dei primi due metodi che verifica quali variabili devono essere incluse o escluse.
Un esempio di regressione graduale utilizzando il metodo di eliminazione all'indietro potrebbe essere un tentativo di comprendere l'utilizzo di energia in una fabbrica utilizzando variabili quali tempo di funzionamento delle apparecchiature, età delle apparecchiature, dimensioni del personale, temperature esterne e periodo dell'anno. Il modello include tutte le variabili, quindi ciascuna viene rimossa, una alla volta, per determinare quale sia statisticamente significativa. Alla fine, il modello potrebbe mostrare che il periodo dell'anno e le temperature sono più significative, suggerendo forse il picco del consumo di energia in fabbrica quando l'utilizzo del condizionatore d'aria è al massimo.
Limitazioni della regressione graduale
L'analisi di regressione, sia lineare che multivariata, è oggi ampiamente utilizzata nel mondo degli investimenti. L'idea è spesso quella di trovare modelli esistenti nel passato che potrebbero ripresentarsi anche in futuro. Una semplice regressione lineare, ad esempio, potrebbe esaminare i rapporti prezzo / utili e rendimenti delle scorte nel corso di molti anni per determinare se le scorte con bassi rapporti P / E (variabile indipendente) offrono rendimenti più elevati (variabile dipendente). Il problema con questo approccio è che le condizioni del mercato cambiano spesso e le relazioni che si sono svolte in passato non sono necessariamente vere nel presente o nel futuro.
Nel frattempo, il processo di regressione graduale ha molti critici e ci sono persino chiamate a smettere del tutto di usare il metodo. Gli statistici rilevano diversi inconvenienti all'approccio, inclusi risultati errati, una propensione intrinseca al processo stesso e la necessità di una significativa potenza di calcolo per sviluppare modelli di regressione complessi attraverso l'iterazione.
