Nelle statistiche, la regressione lineare modella il rapporto tra una variabile dipendente e una o più variabili esplicative usando una funzione lineare. Se due o più variabili esplicative hanno una relazione lineare con la variabile dipendente, la regressione è chiamata regressione lineare multipla. La regressione multipla, d'altra parte, è una classe più ampia di regressioni che comprende regressioni lineari e non lineari con più variabili esplicative.
L'analisi della regressione è un modo comune per scoprire una relazione tra variabili dipendenti e esplicative. Tuttavia, questa relazione statistica non significa che le variabili esplicative causino la variabile dipendente; piuttosto parla di qualche associazione significativa nei dati. La regressione lineare tenta di disegnare una linea che si avvicina ai dati trovando la pendenza e l'intercettazione che definiscono la linea e minimizzano gli errori di regressione. Tuttavia, molte relazioni nei dati non seguono una linea retta, per cui gli statisti utilizzano invece la regressione non lineare.
È raro che una variabile dipendente sia spiegata con una sola variabile. In questo caso, un analista utilizza regressione multipla, che tenta di spiegare la variabile dipendente utilizzando più di una variabile indipendente. Le regressioni multiple possono essere lineari e non lineari.
Consideriamo un analista che desideri stabilire una relazione lineare tra la quotidianità dei prezzi delle azioni di un'azienda e altre variabili esplicative quali la variazione giornaliera del volume delle negoziazioni e la variazione giornaliera dei rendimenti del mercato. Se esegue una regressione con la quotidianità dei prezzi azionari della società come variabile dipendente e la variazione giornaliera del volume di trading come variabile indipendente, questo sarebbe un esempio di una semplice regressione lineare con una variabile esplicativa. Se l'analista aggiunge la trasformazione quotidiana dei rendimenti di mercato nella regressione, sarebbe una regressione lineare multipla.
La regressione lineare del tempo e del prezzo
Questa strategia di investimento può aiutare gli investitori a riuscire identificando le tendenze dei prezzi eliminando bias.
Qual è la differenza tra una scala dei prezzi logaritmici e quella lineare?
L'interpretazione di un grafico di magazzino può variare tra diversi operatori a seconda del tipo di scala dei prezzi utilizzata durante la visualizzazione dei dati. Come suggerisce questa domanda, i due tipi più comuni di scala dei prezzi sono: 1) logaritmico (noto anche come log) e 2) lineare (noto anche come aritmetica).
Come posso usare una regressione per vedere la correlazione tra prezzi e tassi di interesse?
Imparare a utilizzare la regressione lineare per calcolare la correlazione tra i prezzi delle azioni e i tassi di interesse prendendo la radice quadrata della metrica R-squared.