Kademeli Regresyon Nedir?
Regresyon analizi, değişkenler arasındaki ilişkileri tanımlamayı amaçlayan yaygın olarak kullanılan bir istatistiksel yaklaşımdır. Fikir, daha bilgili kararlar almak için ilgili verileri bir araya getirmektir ve yatırım dünyasında yaygın bir uygulamadır. Kademeli regresyon, bağımsız değişkenlerin otomatik seçimini içeren bir regresyon modelinin adım adım yinelemeli yapısıdır. İstatistiksel yazılım paketlerinin kullanılabilirliği, yüzlerce değişkeni olan modellerde bile kademeli regresyonu mümkün kılar.
Kademeli Regresyon Türleri
Kademeli regresyonun altında yatan amaç, bir dizi test (F-testi, t-testi) yoluyla bağımlı değişkeni önemli ölçüde etkileyen bir dizi bağımsız değişken bulmaktır. Bu, tekrarlanan turlardan veya analiz döngülerinden geçerek sonuçlara veya kararlara ulaşma süreci olan yineleme yoluyla bilgisayarlarla yapılır. İstatistiksel yazılım paketlerinin yardımıyla testleri otomatik olarak yürütmek, birey için zaman kazanma avantajına sahiptir.
Önemli Çıkarımlar
- Regresyon analizi, bağımsız ve bağımlı değişkenler arasındaki ilişkileri anlamayı ve ölçmeyi amaçlayan istatistiksel bir yaklaşımdır. Aşamalı regresyon, model içindeki her bağımsız değişkenin istatistiksel önemini inceleyen bir yöntemdir. İleri seçim yaklaşımı bir değişken ekler ve daha sonra istatistiksel anlamlılığı test eder Geriye doğru eleme yöntemi, birçok değişkeni yüklü bir modelle başlar ve daha sonra, genel sonuçlara göre önemini test etmek için bir değişkeni kaldırır.
Kademeli regresyon, ya bir bağımsız değişkeni bir seferde deneyerek ve istatistiksel olarak anlamlı ise regresyon modeline dahil ederek ya da modele tüm potansiyel bağımsız değişkenleri dahil ederek ve istatistiksel olarak anlamlı olmayanları ortadan kaldırarak gerçekleştirilebilir. Bazıları her iki yöntemin bir kombinasyonunu kullanır ve bu nedenle kademeli regresyon için üç yaklaşım vardır:
- İleri seçim, modelde hiçbir değişken olmadan başlar, her bir değişkeni modele eklenirken test eder, daha sonra istatistiksel olarak en önemli kabul edilenleri tutar - sonuçlar en uygun olana kadar işlemi tekrarlar. her seferinde bir silme, ardından kaldırılan değişkenin istatistiksel olarak anlamlı olup olmadığını test etme. Çift yönlü eliminasyon, hangi değişkenlerin dahil edilmesi veya hariç tutulması gerektiğini test eden ilk iki yöntemin birleşimidir.
Geriye doğru eleme yöntemini kullanan aşamalı bir regresyon örneği, bir fabrikada ekipman çalışma süresi, ekipman yaşı, personel büyüklüğü, dışarıdaki sıcaklıklar ve yılın zamanı gibi değişkenleri kullanarak enerji kullanımını anlama girişimidir. Model tüm değişkenleri içerir - daha sonra hangisinin istatistiksel olarak en az önemli olduğunu belirlemek için her biri birer birer kaldırılır. Sonunda, model yılın zamanının ve sıcaklıkların en önemli olduğunu gösterebilir, muhtemelen fabrikadaki en yüksek enerji tüketiminin klima kullanımının en yüksek olduğu zamandır.
Kademeli Regresyon Sınırlamaları
Hem doğrusal hem de çok değişkenli regresyon analizi, bugün yatırım dünyasında yaygın olarak kullanılmaktadır. Fikir genellikle geçmişte var olan ve gelecekte de tekrarlayabilecek kalıplar bulmaktır. Örneğin basit bir doğrusal regresyon, düşük P / E oranlarına (bağımsız değişken) sahip hisse senetlerinin daha yüksek getiri (bağımlı değişken) sunup sunmadığını belirlemek için yıllar boyunca fiyat-kazanç oranlarına ve hisse senedi getirilerine bakabilir. Bu yaklaşımla ilgili sorun, piyasa koşullarının sıklıkla değişmesi ve geçmişte gerçekleşen ilişkilerin bugün veya gelecekte mutlaka doğru olmamasıdır.
Bu arada, aşamalı regresyon sürecinin birçok eleştirmeni vardır ve yöntemi tamamen kullanmayı bırakma çağrıları bile vardır. İstatistikçiler, yanlış sonuçlar, sürecin kendisinde var olan bir önyargı ve yineleme yoluyla karmaşık regresyon modelleri geliştirmek için önemli hesaplama gücünün gerekliliği de dahil olmak üzere yaklaşımın çeşitli dezavantajlarına dikkat çekmektedir.