Garis Paling Cocok

Apa Garis Yang Paling Sesuai?

Line of best fit mengacu pada garis yang melalui sebaran titik-titik data yang paling mengekspresikan hubungan antara titik-titik tersebut. Ahli statistik biasanya menggunakan metode kuadrat terkecil untuk sampai pada persamaan geometrik untuk garis, baik melalui perhitungan manual atau perangkat lunak analisis regresi. Sebuah garis lurus akan dihasilkan dari analisis regresi linier sederhana dari dua atau lebih variabel bebas. Regresi yang melibatkan banyak variabel terkait dapat menghasilkan garis lengkung dalam beberapa kasus.

Dasar-dasar Line Of Best Fit

Line of best fit adalah salah satu keluaran terpenting dari regresi analisis. Regresi mengacu pada ukuran kuantitatif hubungan antara satu atau lebih variabel independen dan variabel dependen yang dihasilkan. Regresi berguna bagi para profesional di berbagai bidang mulai dari sains dan layanan publik hingga analisis keuangan.

Untuk melakukan analisis regresi, ahli statistik mengumpulkan satu set titik data, masing-masing termasuk satu set lengkap variabel dependen dan independen. Misalnya, variabel dependen dapat berupa harga saham perusahaan dan variabel independen dapat berupa

Standar dan Miskin 500 indeks dan tingkat pengangguran nasional, dengan asumsi bahwa saham tersebut tidak terdaftar di S&P 500. Kumpulan sampel dapat berupa masing-masing dari tiga kumpulan data ini selama 20 tahun terakhir.

Pada bagan, titik-titik data ini akan muncul sebagai plot sebar, sekumpulan titik yang mungkin atau mungkin tidak tampak terorganisir di sepanjang garis apa pun. Jika pola linier terlihat, dimungkinkan untuk membuat sketsa garis yang paling cocok yang meminimalkan jarak titik-titik tersebut dari garis itu. Jika tidak ada sumbu pengorganisasian yang terlihat secara visual, analisis regresi dapat menghasilkan garis berdasarkan metode kuadrat terkecil. Metode ini membangun garis yang meminimalkan jarak kuadrat setiap titik dari garis yang paling cocok.

Untuk menentukan rumus garis ini, ahli statistik memasukkan ketiga hasil ini selama 20 tahun terakhir ke dalam aplikasi perangkat lunak regresi. Perangkat lunak ini menghasilkan rumus linier yang mengungkapkan hubungan kausal antara S&P 500, tingkat pengangguran, dan harga saham perusahaan yang bersangkutan. Persamaan ini adalah rumus untuk garis yang paling cocok. Ini adalah alat prediksi, memberikan analis dan pedagang mekanisme untuk memproyeksikan harga saham perusahaan di masa depan berdasarkan dua variabel independen tersebut.

Persamaan Garis yang Paling Sesuai dan Komponennya

Regresi dengan dua variabel independen seperti contoh yang dibahas di atas akan menghasilkan rumus dengan struktur dasar ini:

y= c + b₁(x₁) + b₂(x₂)

Dalam persamaan ini, y adalah variabel dependen, c adalah konstanta, b₁ adalah koefisien regresi pertama dan x₁ adalah variabel bebas pertama. Koefisien kedua dan variabel bebas kedua adalah b₂ dan x₂. Menggambar dari contoh di atas, harga saham akan menjadi y, S&P 500 akan menjadi x₁ dan tingkat pengangguran akan menjadi x₂. Koefisien dari setiap variabel bebas menunjukkan derajat perubahan y untuk setiap unit tambahan dalam variabel tersebut. Jika S&P 500 naik satu, y atau harga saham yang dihasilkan akan naik sebesar koefisien. Hal yang sama berlaku untuk variabel independen kedua, tingkat pengangguran. Dalam regresi sederhana dengan satu variabel bebas, koefisien tersebut merupakan kemiringan garis yang paling sesuai. Dalam contoh ini atau regresi apa pun dengan dua variabel independen, kemiringannya adalah campuran dari dua koefisien. Konstanta c adalah perpotongan y dari garis yang paling cocok.