Somme résiduelle des carrés (RSS)
La somme des carrés résiduels (RSS) est une technique statistique utilisée pour mesurer l'ampleur de la variance dans un ensemble de données qui n'est pas expliquée par un modèle de régression. La régression est une mesure qui aide à déterminer la force de la relation entre une variable dépendante et une série d'autres variables changeantes ou de variables indépendantes.
La somme des carrés résiduels mesure la quantité d'erreur restant entre la fonction de régression et l'ensemble de données. Une somme de carrés résiduelle plus petite représente une fonction de régression. La somme résiduelle des carrés, également appelée somme des résidus carrés, détermine essentiellement dans quelle mesure un modèle de régression explique ou représente les données qu'il contient.
Points clés à retenir
- La somme des carrés résiduels (RSS) est une technique statistique utilisée pour mesurer l'ampleur de la variance dans un ensemble de données qui n'est pas expliquée par un modèle de régression.
- La somme résiduelle de carrés est l’une des nombreuses propriétés statistiques qui connaissent une renaissance des marchés financiers.
- Idéalement, la somme des résidus au carré devrait être une valeur inférieure ou inférieure dans tout modèle de régression.
Comprendre la somme des carrés résiduels (RSS)
Les marchés financiers sont de plus en plus axés sur la quantité; ainsi, à la recherche d'un avantage concurrentiel, de nombreux investisseurs utilisent des techniques statistiques avancées pour les aider dans leurs décisions. Les applications de données volumineuses, d'apprentissage automatique et d'intelligence artificielle nécessitent également l'utilisation de propriétés statistiques pour guider les stratégies d'investissement contemporaines. La somme résiduelle de carrés - ou statistiques RSS - est l’une des nombreuses propriétés statistiques qui connaissent une renaissance.
Les modèles statistiques sont utilisés par les investisseurs et les gestionnaires de portefeuille pour suivre le prix d'un investissement et utiliser ces données pour prédire les mouvements futurs. L’étude, appelée analyse de régression, pourrait impliquer l’analyse de la relation entre les fluctuations de prix entre un produit de base et les actions de sociétés engagées dans la production de ce produit.
Tout modèle peut avoir des écarts entre les valeurs prédites et les résultats réels. Bien que les écarts puissent être expliqués par l’analyse de régression, la somme des carrés résiduels représente les écarts ou les erreurs qui ne sont pas expliqués.
Puisqu’une fonction de régression suffisamment complexe peut s’adapter à pratiquement tous les ensembles de données, il est nécessaire d’étudier plus avant pour déterminer si la fonction de régression est réellement utile pour expliquer la variance de l’ensemble de données. Cependant, en général, une valeur inférieure ou inférieure pour la somme résiduelle de carrés est idéale dans tous les modèles car cela signifie qu'il y a moins de variation dans l'ensemble de données. En d'autres termes, plus la somme des résidus au carré est faible, meilleur est le modèle de régression pour expliquer les données.
Comparaison des comptes d'investissement Nom du fournisseur Description Divulgation par l'annonceur × Les offres figurant dans ce tableau proviennent de partenariats avec lesquels Investopedia reçoit une rémunération.