رگرسیون OLS چیست؟
روش حداقل مربعات معمولی (Ordinary Least Squares) ضرایبی را مییابد که مجموع مجذور تفاوت بین مقادیر مشاهدهشده و مقادیر پیشبینیشدهٔ متغیر وابسته را کمینه میکند. در تحلیل مالی، OLS پایهٔ مدلهایی مانند CAPM و تحلیل عوامل ریسک است.
چگونه نتایج را تفسیر کنیم؟
- p-value کمتر از ۰.۰۵ معمولاً بهعنوان معنیدار بودن آماری ضریب در سطح اطمینان ۹۵٪ در نظر گرفته میشود.
- R² نشان میدهد چند درصد از تغییرات Y توسط متغیرهای مستقل توضیح داده میشود؛ Adjusted R² برای تعداد متغیرها تعدیل شده است.
- Durbin-Watson نزدیک به ۲ یعنی خودهمبستگی سریالی معناداری در باقیماندهها وجود ندارد؛ مقادیر نزدیک ۰ یا ۴ نشانهٔ خودهمبستگی مثبت یا منفی است.
- VIF بالای ۵ تا ۱۰ معمولاً نشانهٔ همخطی چندگانه (Multicollinearity) نگرانکننده بین متغیرهای مستقل است.
- Jarque-Bera نرمال بودن توزیع باقیماندهها را میسنجد؛ p-value کوچک یعنی رد فرض نرمال بودن.
آزمونهای ناهمسانی واریانس و خودهمبستگی
- Breusch-Pagan بررسی میکند آیا واریانس باقیماندهها بهصورت خطی به متغیرهای مستقل وابسته است (ناهمسانی واریانس).
- White Test نسخهٔ عمومیتر Breusch-Pagan است که جملات درجه دوم و ضرب متغیرها را نیز در نظر میگیرد و نیازی به فرض شکل خاصی از ناهمسانی ندارد.
- Breusch-Godfrey (مرتبهٔ ۱) خودهمبستگی سریالی باقیماندهها را با دقت بیشتری نسبت به Durbin-Watson میسنجد و در حضور متغیر وابستهٔ با وقفه هم معتبر است.
این ابزار برای اهداف آموزشی و تحقیقاتی است و خروجی آن توصیه سرمایهگذاری، مالی یا معاملاتی محسوب نمیشود.