Resterande summa av kvadrater (RSS)
Vad är den återstående summan av kvadrater (RSS)?En återstående summa av kvadrater (RSS) är en statistisk teknik som används för att mäta mängden varians i en datamängd som inte förklaras av en regressionsmodell. Regression är en mätning som hjälper till att bestämma styrkan i förhållandet mellan en beroende variabel och en serie andra förändrade variabler eller oberoende variabler.
Den återstående summan av kvadrater mäter mängden fel som återstår mellan regressionsfunktionen och datauppsättningen. En mindre återstående summa av kvadratfigur representerar en regressionsfunktion. Restsumma av kvadrater - även känd som summan av kvadratrester - avgör i huvudsak hur väl en regressionsmodell förklarar eller representerar data i modellen.
Key Takeaways
- En återstående summa av kvadrater (RSS) är en statistisk teknik som används för att mäta mängden varians i en datamängd som inte förklaras av en regressionsmodell.
- Den återstående summan av rutor är en av många statistiska egenskaper som åtnjuter en renässans på finansmarknaderna.
- Helst bör summan av kvadratrester vara ett mindre eller lägre värde i någon regressionsmodell.
Förstå den kvarvarande summan av kvadrater (RSS)
Finansmarknaderna har alltmer blivit mer kvantitativt drivna. som sådan, på jakt efter en fördel, använder många investerare avancerade statistiska tekniker för att stödja sina beslut. Big data, maskininlärning och artificiell intelligensapplikationer kräver ytterligare användning av statistiska egenskaper för att vägleda samtida investeringsstrategier. Den återstående summan av kvadrater - eller RSS-statistik - är en av många statistiska egenskaper som åtnjuter en renässans.
Statistiska modeller används av investerare och portföljförvaltare för att spåra en investerings pris och använda dessa data för att förutsäga framtida rörelser. Studien - kallad regressionsanalys - kan innebära att analysera förhållandet i prisrörelser mellan en vara och lager av företag som producerar varan.
Varje modell kan ha avvikelser mellan de förutsagda värdena och verkliga resultat. Även om avvikelserna kan förklaras med regressionsanalysen, representerar den kvarvarande summan av kvadrater de avvikelser eller fel som inte förklaras.
Eftersom en tillräckligt komplex regressionsfunktion kan göras för att nära anpassa praktiskt taget varje datauppsättning, är ytterligare studier nödvändig för att bestämma om regressionsfunktionen i själva verket är användbar för att förklara variansen hos datasättet. Vanligtvis är emellertid ett mindre eller lägre värde för den kvarvarande summan av kvadrater idealiskt i alla modeller eftersom det betyder att det finns mindre variation i datauppsättningen. Med andra ord, ju lägre summan av kvadratrester, desto bättre är regressionsmodellen att förklara data.
Jämför investeringskonton Leverantörs namn Beskrivning Annonsörens upplysning × Erbjudandena som visas i denna tabell kommer från partnerskap från vilka Investopedia erhåller ersättning.