做什么ββ告诉我们线性回归分析?

机器算法验证 回归 相关性
2022-04-09 12:57:50

我从一本书中看到了这个注释:“..当主动投资组合的越高时,主动投资组合和被动投资组合之间的相关性就越大..”β

作者对被动投资组合进行了主动投资组合的回归。

这对我来说没有意义。如果我理解正确,单变量线性回归分析中的 beta 为我们提供了两个变量之间的最佳关系/拟合(或独立向量对因向量的斜率),但这并不表示这种关系的强度。我们需要查看相关性或值来确定变量之间的关系有多好。只要 beta 在统计上显着,我们就可以查看来确定关系的强度。这里有几个例子:R2R2

  1. 考虑三个变量(因变量)和(自变量)。如果 ; 相关性=0.8,相关性= 0.8,那么都可以被很好地解释。A1A2BA1Bβ=2.0A2Bβ=0.5A1A2B

  2. 考虑两个系列: A=在这种情况下,A 和 B 之间的相关性为 1。但是,上的回归给出了0.5上的回归给出了 2.0。但是,每个变量都完全由另一个变量解释。{1,2,3,4,5,6,7,8,9,10}B=2×AABβBA

我的理解正确吗?如果我在这里遗漏了什么,请突出显示。

1个回答

我认为您对线性回归的理解很好。您可能感兴趣的一件事是,如果您的两个变量(例如 A1 和 B)都是标准化的,则β从一个简单的回归将等于 r 分数(即相关系数,当平方为您提供模型的R2),但这不是这里的问题。我认为这本书谈论的是金融中使用的波动性度量(不幸的是,它也被称为“beta”)。虽然名字一样,但这和β来自标准回归模型。另一件事是,这些都与 beta 回归没有非常密切的关系,当响应变量是分布为 beta的比例时,这是广义线性模型的一种形式。我觉得很不幸,也很令人困惑,有些术语(例如“beta”)在不同领域的使用方式不同,或者不同的人使用相同的术语来表示非常不同的事物(有时人们使用不同的术语来表达不同的意思)也意味着同样的事情),但这些只是生活中的事实。