Show TOC

Документация к функциямСтандартный прогноз методом мульти-линейной регрессии Найти этот документ в структуре навигации

 

Мульти-линейная регрессия — это статистический метод, который можно использовать для анализа отношений между одной зависимой и несколькими независимыми переменными. Для стандартного метода мульти-линейной регрессии в SAP APO используется стандартный метод наименьших квадратов (FCS APO-SCM).

Объем функций

Цель мульти-линейной регрессии заключается в предсказании будущих значений одной зависимой переменной с использованием независимых (или объяснительных) переменных, для которых известны значения в прошлом и можно спрогнозировать значения в будущем. Каждая переменная предиктора (Xi) взвешивается, и полученный вес (ßi) означает их относительный вклад в общий прогноз. При вычислении весов (параметры модели) процедура регрессионного анализа обеспечивает наилучший прогноз на основе набора независимых переменных. Эти веса также помогают интерпретировать вклад каждой переменной в прогноз, хотя корреляция между независимыми переменными может усложнить процесс интерпретации.

Мульти-линейная регрессии обычно представляется следующим образом:

Y = b0 + b1X1 + b2X2 + b3X3...ßnXn + ei

где:

Y = независимая переменная

ß0 = точка пересечения с осью Y или константа

ßi = коэффициент или вес

Xi = независимые переменные

ei = оставшаяся ошибка или ошибка прогноза

Для модели мульти-линейной регрессии делаются следующие предположения.

  • X являются нестохастическими.

  • Между двумя или несколькими объяснительными переменным не существуют точного линейного отношения.

  • Ошибки, соответствующие различным наблюдениям, независимы и, следовательно, они не коррелируются.

  • Переменная ошибки имеет нормальное распределение или распределение Пуассона.

  • Ожидаемое значение переменной ошибки равно 0.

Операции

Параметры настройки стандартного прогноза методом мульти-линейной регрессии можно задать в профиле мульти-линейной регрессии. Например, здесь можно принять решение о том, какое распределение следует использовать, а также является ли отклонение постоянным для всех наблюдений или же это переменная величина. Для получения дополнительной информации см. раздел Профиль мульти-линейной регрессии.