Kazalo:
- Opredelitev - Kaj pomeni regresija navadnih najmanjših kvadratov (OLSR)?
- Tehopedija pojasnjuje regresijo navadnih najmanjših kvadratov (OLSR)
Opredelitev - Kaj pomeni regresija navadnih najmanjših kvadratov (OLSR)?
Navadna regresija najmanjših kvadratov (OLSR) je posplošena tehnika linearnega modeliranja. Uporablja se za oceno vseh neznanih parametrov, vključenih v model linearne regresije, katerih cilj je minimizirati vsoto kvadratov razlike opazovanih spremenljivk in pojasnjevalnih spremenljivk.
Navadna regresija z najmanj kvadratki je znana tudi kot regresija navadnih najmanjših kvadratov ali regresija z napakami najmanj.
Tehopedija pojasnjuje regresijo navadnih najmanjših kvadratov (OLSR)
Izumil ga je leta 1795 Carl Friedrich Gauss in velja za eno najstarejših znanih splošnih metod napovedovanja. OLSR opisuje razmerje med odvisno spremenljivko (tisto, kar naj bi bilo razloženo ali napovedano) in eno ali več neodvisnih spremenljivk (pojasnjevalna spremenljivka). Uporaba OLSR je na voljo na številnih področjih, kot so psihologija, družboslovje, medicina, ekonomija in finance.
Pojavita se lahko dva razmerja: linearna in krivočrtna. Linearni odnos je ravna črta, ki se vleče skozi osrednjo težnjo točk; ker je krivuljasti odnos ukrivljena črta. Povezave med omenjenimi spremenljivkami so prikazane z uporabo razpršilnika. Razmerje je lahko pozitivno ali negativno, razliko v rezultatih pa se razlikuje tudi po moči.
Na osnovni ravni OLSR ga lahko razumejo celo ne-matematiki, njegove rešitve pa bi jih bilo mogoče enostavno razlagati. Njegova posebna pozornost je zaslužna zaradi tega, ker je imel vgrajene algoritme iz linearne algebre v zadnjih računalnikih. Tako ga je mogoče hitro uporabiti pri težavah s stotimi neodvisnimi spremenljivkami, ki učinkovito prinesejo rezultate na več deset tisoč podatkovnih točk.
OLSR se pogosto uporablja v ekonometriji, saj nudi najboljši linearni nepristranski ocenjevalec (BLUE) glede na predpostavke Gaussa-Markova. Ekonometrija je panoga ekonomije, kjer se za ekonomske podatke uporabljajo statistične metode. Njegov cilj je pridobiti preprosta razmerja z seciranjem obstoječih ogromnih količin podatkov. Ta statistični algoritem se uporablja tudi pri strojnem učenju in napovedni analitiki za dinamično napovedovanje rezultatov na podlagi dinamično spreminjajočih se spremenljivk.
