Cómo calcular tendencias y predecir valores con REGRESS multivariado

El método REGRESS extrae una ecuación lineal que mejor se encaja a un conjunto de puntos de datos numéricos y utiliza esta ecuación para generar una columna nueva en la salida del informe. La ecuación se puede basar en entre una y tres variables independientes.

Este método estima valores al asumir que la variable dependiente (y, los nuevos valores calculados) y las variables independientes (x1, x2, x3) están relacionados mediante la siguiente ecuación lineal:

Cuando hay una variable independiente, la ecuación representa una línea recta. Esto produce los mismos valores como FORECAST utilizando el método REGRESS. Cuando hay dos variables independientes, la ecuación representa un plano y con tres variables independientes, representa un hiperplano. Debe utilizar esta técnica cuando crea que se puede aproximar a la variable dependiente mediante una combinación lineal de variables independientes.

REGRESS utiliza la técnica de mínimos cuadrados ordinarios para calcular valores para los coeficientes (a1, a2, a3, y b) que minimizan la suma de las diferencias al cuadrado entre los datos y la línea, plano o hiperplano resultante.

Sintaxis: Cómo Crear una columna de regresión lineal multivariada

ON {sortfield} RECAP y[/fmt] = REGRESS(n, x1, [x2, [x3,]] z);

donde:

sortfield: Es un campo en el origen de datos. No puede ser el mismo campo como cualquier parámetro para REGRESS. Cada vez que el valor del campo de clasificación cambia, se deriva una nueva ecuación de regresión lineal.
y: Es la nueva columna numérica calculada al aplicar la ecuación de regresión. No puede ejecutar las funciones DEFINE o COMPUTE sobre un campo con este nombre.
fmt: Es el formato de visualización para y. Si queda omitido, el formato por defecto es D12.2.
n: Es un número entero del 1 al 3 que indica el número de variables independientes.
x1, x2, x3: Son los nombres de campo que se utilizarán como los variables independientes. Todos estos variables deben ser numéricos y deben ser independientes los unos de los otros.
z: Es un campo numérico existente que se asume ser aproximadamente dependiente en términos lineares en los variables independientes y se utiliza para extraer la ecuación de regresión.

Referencia: Notas sobre el uso para REGRESS

El campo de clasificación (By) usado con REGRESS debe tener un formato numérico o de fecha.
REGRESS no puede operar en un campo ACROSS.
Si algunas de las variables independientes también son campos de clasificación, no pueden aparecer referidas antes del campo de clasificación REGRESS de la solicitud.
No se puede usar FORECAST y REGRESS en la misma solicitud, y sólo se admite un REGRESS por solicitud. Se admiten los comandos que no sean REGRESS RECAP.
El comando RECAP usado con REGRESS, sólo puede contener la sintaxis REGRESS. REGRESS no reconoce cualquier sintaxis después del punto y coma (;) final.
Aunque aprueba parámetros para REGRESS utilizando una lista de argumento en paréntesis, REGRESS no es una función. Puede coexistir con una subrutina del mismo nombre escrita por el usuario, siempre y cuando la subrutina escrita por el usuario no se especifica en un comando RECAP.
BY TOTAL no soportado.
MORE, MATCH, FOR y OVER no soportados.
El proceso de generar los valores FORECAST crea columnas adicionales que no están impresas en la salida de informe. El número y colocación de estas columnas adicionales varía dependiendo de la solicitud específica. Por lo tanto, no se admite el uso de notación de columnas en una solicitud que incluye REGRESS.
No se admiten SUMMARIZE y RECOMPUTE para el mismo campo de clasificación que se use para REGRESS.
REGRESS no se admite para la facilidad FOCUS GRAPH.
El lado izquierdo de un comando RECAP utilizada para la REGRESS admite el atributo CURR para crear un campo dominado por tipo de moneda.
Los campos con valores no disponibles no pueden usarse en la regresión.
Las cantidades más altas de datos generan resultados más útiles.

Principio de página

Ejemplo: Cómo crear una columna multivariada de regresión lineal

La solicitud a continuación utiliza el origen de datos GGSALES para calcular una columna DOLLARS estimada. Los campos BUDUNITS, UNITS y BUDDOLLARS son los variables independientes. El campo DOLLARS proporciona los valores actuales a estimarse:

DEFINE FILE GGSALES
 YEAR/Y = DATE;
 MONTH/M = DATE;
 PERIOD/I2 = MONTH;
END

TABLE FILE GGSALES
PRINT BUDUNITS UNITS BUDDOLLARS DOLLARS
BY PERIOD
ON PERIOD 
RECAP EST_DOLLARS/F8 = REGRESS(3, BUDUNITS, UNITS, BUDDOLLARS, DOLLARS);
WHERE CATEGORY EQ 'Coffee'
WHERE REGION EQ 'West'
WHERE UNITS GT 1600 AND UNITS LT 1700
END

La salida es:

output