En statistique, la régression linéaire modélise la relation entre une variable dépendante et une ou plusieurs variables explicatives utilisant une fonction linéaire. Si deux ou plusieurs variables explicatives ont une relation linéaire avec la variable dépendante, la régression est appelée une régression linéaire multiple. D'un autre côté, la régression multiple est une classe plus large de régressions qui englobe les régressions linéaires et non linéaires avec de multiples variables explicatives.
L'analyse de régression est un moyen courant de découvrir une relation entre des variables dépendantes et explicatives. Cependant, cette relation statistique ne signifie pas que les variables explicatives provoquent la variable dépendante; il parle plutôt d'une association significative dans les données. La régression linéaire tente de tracer une ligne qui se rapproche le plus des données en trouvant la pente et l'interception qui définissent la ligne et minimisent les erreurs de régression. Cependant, de nombreuses relations dans les données ne suivent pas une ligne droite, de sorte que les statisticiens utilisent plutôt la régression non linéaire.
Il est rare qu'une variable dépendante soit expliquée par une seule variable. Dans ce cas, un analyste utilise la régression multiple, qui tente d'expliquer la variable dépendante en utilisant plus d'une variable indépendante. Les régressions multiples peuvent être linéaires et non linéaires.
Considérons un analyste qui souhaite établir une relation linéaire entre la variation quotidienne du cours des actions d'une société et d'autres variables explicatives telles que la variation quotidienne du volume des transactions et la variation quotidienne des rendements du marché. S'il fait une régression avec la variation quotidienne du cours des actions de l'entreprise en tant que variable dépendante et la variation quotidienne du volume des transactions en tant que variable indépendante, ce serait un exemple de régression linéaire simple avec une variable explicative. Si l'analyste ajoute la variation quotidienne des rendements du marché dans la régression, ce serait une régression linéaire multiple.
La régression linéaire du temps et du prix
Cette stratégie d'investissement peut aider les investisseurs à réussir en identifiant les tendances des prix tout en éliminant biais.
Quelle est la différence entre une échelle de prix logarithmique et une échelle linéaire?
L'interprétation d'un graphique boursier peut varier selon les différents commerçants en fonction du type d'échelle de prix utilisé lors de la visualisation des données. Comme cette question le suggère, les deux types d'échelle de prix les plus courants sont 1) logarithmique (également appelé log) et 2) linéaire (également appelé arithmétique).
Comment créer une régression linéaire dans Excel?
Découvrez les étapes de la création d'un graphique de régression linéaire dans Microsoft Excel