پروژه ساختار سرمایه با شبکه عصبی و رگرسیون

پروژه ساختار سرمایه با شبکه عصبی و رگرسیون

در این محصول ایجاد مدل های ساختار سرمایه بر اساس رویکردهای شبکه عصبی مصنوعی و رگرسیون خطی، با استفاده از نرم افزار متلب و SPSS پیاده سازی شده است. تمامی کد ها و گزارش کامل آن در این محصول وجود دارد.

ترکیب رگرسیون و شبکه عصبی در فایل آموزشی قابل دانلود

پروژه ساختار سرمایه با شبکه عصبی و رگرسیون

در مدل های آماری،تحلیل رگرسیون یک فرآیند آماری برای تخمین روابط

بین متغیرها می باشد.این روش شامل تکنیک های زیادی برای مدل سازی

و تحلیل متغیرهای خاص و منحصر بفرد است وقتی که تمرکز روی روابط بین متغیر

وابسته و یک یا چند متغیر مستقل باشد. تحلیل  خصوصا کمک می کند در فهم

اینکه چگونگه مقدار متغیر وابسته با تغییر هرکدام از متغیر مستقل و با ثابت بودن

دیگر متغیرهای مستقل تغییر می کند.

بیشترین کاربرد تحلیل رگرسیون تخمین

امید ریاضی شرطی متغیر وابسته از متغیرهای مستقل معین

است که معادل مقدار متوسط متغیر وابسته است وقتی که متغیرهای مستقل ثابت هستند.کمترین کاربرد آن تمرکز روی چندک یا پارامتر

مکانی توزیع شرطی متغیر وابسته از متغیر مستقل معین است

.در همه موارد هدف تخمین یک تابع از متغیرهای مستقل است که تابع  نامیده شده است.در تحلیل  تعیین پراکندگی متغییر وابسته اطراف تابع  مورد توجه است که می تواند توسط یک توزیع احتمال توضیح داده شود.

تحلیل  به صورت گسترده برای پیش بینی استفاده شده

است.تحلیل  همچنین برای شناخت ارتباط میان متغیر مستقل و وابسته و شکل این روابط استفاده شده است.در شرایط خاصی این تحلیل برای استنتاج روابط علی بین متغیرهای مستقل و وابسته میتواند استفاده شود.

هرچند این می تواند موجب روابط اشتباه یا باطل شود بنابراین احتیاط قابل توصیه است.

تکنیک های زیادی برای انجام تحلیل توسعه داده

شده است. روش های آشنا همچون خطی و حداقل مربعات که پارامتری هستند،

درواقع در آن تابع رگرسیون تحت یک تعداد محدودی از پارامترهای ناشناخته از داده ها تخمین زده شده است.

غیر پارامتری به روش هایی اشاره می کند که به توابع اجازه می دهد تا در یک مجموعه مشخص از توابع با احتمال پارامترهای نامحدود قرار گیرند.