ما هو مجموع المربعات المتبقية (RSS)؟
مجموع المربعات المتبقية (RSS) هو تقنية إحصائية تستخدم لقياس مقدار التباين في مجموعة بيانات لا يتم تفسيرها بواسطة نموذج الانحدار. الانحدار هو مقياس يساعد في تحديد قوة العلاقة بين المتغير التابع وسلسلة المتغيرات المتغيرة الأخرى أو المتغيرات المستقلة.
يقيس مجموع المربعات المتبقية مقدار الخطأ المتبقي بين دالة الانحدار ومجموعة البيانات. يمثل مجموع أصغر المتبقية من الشكل المربعات دالة الانحدار. يحدد مجموع المربعات المتبقية - والمعروف أيضًا باسم مجموع المخلفات المربعة - أساسًا مدى جودة نموذج الانحدار في شرح أو تمثيل البيانات في النموذج.
الماخذ الرئيسية
- يُعد مجموع المربعات المتبقية (RSS) أسلوبًا إحصائيًا يُستخدم لقياس مقدار التباين في مجموعة بيانات لا يفسرها نموذج الانحدار. والمجموع المتبقي من المربعات هو أحد الخصائص الإحصائية العديدة التي تتمتع بنهضة في الأسواق المالية. من الناحية المثالية ، يجب أن يكون مجموع المخلفات التربيعية قيمة أصغر أو أقل في أي نموذج انحدار.
فهم مجموع المربعات المتبقية (RSS)
أصبحت الأسواق المالية مدفوعة بشكل متزايد من الناحية الكمية ؛ على هذا النحو ، بحثًا عن ميزة ، يستخدم العديد من المستثمرين التقنيات الإحصائية المتقدمة للمساعدة في اتخاذ قراراتهم. تتطلب البيانات الضخمة ، والتعلم الآلي ، وتطبيقات الذكاء الاصطناعي استخدام الخصائص الإحصائية لتوجيه استراتيجيات الاستثمار المعاصرة. يعتبر مجموع المربعات المتبقية - أو إحصائيات RSS - أحد الخصائص الإحصائية العديدة التي تتمتع بنهضة.
يتم استخدام النماذج الإحصائية من قبل المستثمرين ومديري المحافظ لتتبع سعر الاستثمار واستخدام تلك البيانات للتنبؤ بالحركات المستقبلية. قد تتضمن الدراسة ـ التي يطلق عليها تحليل الانحدار ـ تحليل العلاقة بين تحركات الأسعار بين السلعة وأسهم الشركات العاملة في إنتاج هذه السلعة.
قد يكون لأي نموذج فروق بين القيم المتوقعة والنتائج الفعلية. على الرغم من أنه قد يتم تفسير الفروق بواسطة تحليل الانحدار ، إلا أن إجمالي المربعات المتبقية يمثل الفروق أو الأخطاء التي لم يتم توضيحها.
نظرًا لأنه يمكن إجراء وظيفة انحدار معقدة بدرجة كافية لتناسب أي مجموعة بيانات تقريبًا ، فمن الضروري إجراء مزيد من الدراسة لتحديد ما إذا كانت وظيفة الانحدار مفيدة بالفعل في شرح تباين مجموعة البيانات. ومع ذلك ، عادةً ما تكون القيمة الأصغر أو الأقل للمجموع المتبقي من المربعات مثالية في أي نموذج لأنه يعني وجود تباين أقل في مجموعة البيانات. بمعنى آخر ، كلما انخفض مجموع المخلفات التربيعية ، كان نموذج الانحدار أفضل في شرح البيانات.
