什么是自变量和因变量(趋势回归分析和相关回归分析)
如果有更好的建议或者想看更多关于综合百科技术大全及相关资讯，可以多多关注茶馆百科网。
趋势性回归分析
趋势回归分析的研究对象是时间轴t上单个品种价格轨迹c的趋势。想一想，什么是自变量，什么是因变量？
自变量是时间t，或数据的序号。所以对于任何方程，t都是一样的：自然数序列。因变量是价格轨迹c。回归方程为：
对于任何k线图，只要我们确定了起止时间，就可以根据《线性回归分析的几何解释》中的公式计算出A和B。
其实只要逻辑清晰，计算很简单。而且，所有软件都提供回归分析功能来帮助你完成计算。
我们对2016年9月19日至2016年11月11日共35天的焦炭收盘价数据进行回归分析，可以得到方程：
方程式是k线图上的一条直线：
图中的直线是计算2016年11月11日最新35个数据的回归方程后，用future函数在历史数据上画线的结果。
如果在Mandarin软件上用forecast(C，35)函数计算回归方程，会得到一条曲线。
这是因为k线图上的定周期回归分析是一个动态的过程。
当在样品组中增加一个数据的同时丢弃一个数据时，每个数据的序号也会发生变化。
下图显示了这一动态过程：
其中，垂直虚线和回归线相交的轨迹就是你在k线图上看到的预测(C，35)曲线。
相关性回归分析
相关性回归分析的研究对象是1和2品种价格的线性相关性。虽然可以用收盘价，但建议研究涨跌。回归方程：
虽然变种1和变种2都可以作为因变量，但另一个可以作为自变量。这对相关系数的计算没有影响。
但是，当相关系数较高时，需要确定1和2之间的因果关系，用& quot原因& quot作为独立变量和& quot结果& quot作为因变量，然后用自变量来解释因变量。否则，本末倒置。
如果x和y之间的相关性很高，那么平面中(x，y)的图形就是一条直线。
但是在我们平时看的k线图中，水平方向是时间轴。
因此，相关程度的高低与合约是否在时间轴上呈趋势发展无关。盘整趋势也可能有很强的相关性。
我们以2012年1月至2016年12月的股指IF加权指数与文华商品指数的相关性为简单例子：
从图中的相关系数曲线可以看出，股指的IF加权指数与文华商品指数的整体相关水平较低，平均在0.3左右。
2016年股灾期间，股指与商品的相关系数在0.5-0.6之间，属于较高水平。
2016年6月，相关系数达到最低水平。这两年股指和大宗商品形成了完全相反的走势。
在投资组合中增加相关性低的品种，有利于提高风报比。关于投资组合的知识后面会介绍。
(正文结束)
本文主要介绍了关于什么是自变量和因变量(趋势回归分析和相关回归分析)的相关养殖或种植技术，综合百科栏目还介绍了该行业生产经营方式及经营管理，关注综合百科发展动向，注重系统性、科学性、实用性和先进性，内容全面新颖、重点突出、通俗易懂，全面给您讲解综合百科技术怎么管理的要点，是您综合百科致富的点金石。
以上文章来自互联网，不代表本人立场，如需删除，请注明该网址：http://23.234.50.4:8411/article/95190.html