Залишкова сума квадратів (RSS)
Яка залишкова сума квадратів (RSS)?Залишкова сума квадратів (RSS) - це статистична методика, яка використовується для вимірювання кількості дисперсії в наборі даних, яка не пояснюється регресійною моделлю. Регресія - це вимірювання, яке допомагає визначити міцність зв'язку між залежною змінною та низкою інших змінних чи незалежних змінних.
Залишкова сума квадратів вимірює кількість помилок, що залишаються між функцією регресії та набором даних. Менша залишкова сума фігур квадрата являє собою регресійну функцію. Залишкова сума квадратів - також відома як сума квадратичних залишків - по суті визначає, наскільки регресивна модель пояснює або представляє дані в моделі.
Ключові вивезення
- Залишкова сума квадратів (RSS) - це статистична методика, яка використовується для вимірювання кількості дисперсії в наборі даних, яка не пояснюється регресійною моделлю.
- Залишкова сума квадратів - одна з багатьох статистичних властивостей, що користуються ренесансом на фінансових ринках.
- В ідеалі сума залишків у квадраті повинна бути меншою або меншою величиною в будь-якій регресійній моделі.
Розуміння залишкової суми квадратів (RSS)
Фінансові ринки все більше стають все більш кількісними; Таким чином, в пошуках переваги багато інвесторів використовують передові статистичні методи для надання допомоги у прийнятті рішень. Великі дані, машинне навчання та штучний інтелект додатково потребують використання статистичних властивостей для керування сучасними інвестиційними стратегіями. Залишкова сума квадратів - або RSS-статистика - одна з багатьох статистичних властивостей, що користуються ренесансом.
Статистичні моделі використовуються інвесторами та менеджерами портфелів для відстеження ціни інвестицій і використовують ці дані для прогнозування майбутніх зрушень. Дослідження, що називається регресійним аналізом, може включати аналіз взаємозв'язку в цінових рухах між товаром та запасами компаній, що займаються виробництвом товару.
Будь-яка модель може мати розбіжності між прогнозованими значеннями та фактичними результатами. Хоча дисперсії можуть бути пояснені регресійним аналізом, залишкова сума квадратів являє собою дисперсії або помилки, які не пояснюються.
Оскільки може бути зроблена достатньо складна функція регресії для тісного пристосування практично до будь-якого набору даних, необхідне подальше вивчення, щоб визначити, чи є функція регресії насправді корисною для пояснення дисперсії набору даних. Однак, як правило, менша або менша величина для залишкової суми квадратів є ідеальною для будь-якої моделі, оскільки це означає, що в наборі даних менше варіацій. Іншими словами, чим менша сума залишків у квадраті, тим краща модель регресії при поясненні даних.
Порівняйте інвестиційні рахунки Ім’я постачальника Опис Розкриття рекламодавця × Пропозиції, що з’являються в цій таблиці, є партнерствами, від яких Investopedia отримує компенсацію.