Jumlah Sisa Kotak (RSS)

Apa Jumlah Sisa Kotak (RSS)?

Jumlah sisa kuadrat (RSS) adalah teknik statistik yang digunakan untuk mengukur jumlah varians dalam kumpulan data yang tidak dijelaskan oleh model regresi itu sendiri. Sebaliknya, itu memperkirakan varians dalam residual, atau istilah kesalahan.

Regresi linier adalah pengukuran yang membantu menentukan kekuatan hubungan antara variabel dependen dan satu atau lebih faktor lain, yang dikenal sebagai variabel independen atau penjelas.

Poin Penting

  • Jumlah sisa kuadrat (RSS) mengukur tingkat varians dalam istilah kesalahan, atau residu, dari model regresi.
  • Idealnya, jumlah kuadrat residual harus lebih kecil atau lebih rendah dari jumlah kuadrat dari input model regresi.
  • RSS digunakan oleh analis keuangan dalam memperkirakan validitas model ekonometrik mereka.

Formula untuk RSS Is

dimana

  • y i = nilai ke- i dari variabel yang akan diprediksi
  • f (x i ) = nilai prediksi dari y i
  • n = batas atas penjumlahan

Memahami Jumlah Sisa Kotak (RSS)

Secara umum, jumlah kuadrat adalah teknik statistik yang digunakan dalam analisis regresi untuk menentukan sebaran titik data. Dalam  analisis regresi, tujuannya adalah untuk menentukan seberapa baik rangkaian data dapat dipasang ke fungsi yang dapat membantu menjelaskan bagaimana rangkaian data dibuat. Jumlah kuadrat digunakan sebagai cara matematis untuk menemukan fungsi yang  paling cocok  (paling tidak bervariasi) dari data.

Jumlah sisa kuadrat (RSS) mengukur jumlah kesalahan yang tersisa antara fungsi regresi dan kumpulan data setelah model dijalankan. Jumlah sisa yang lebih kecil dari angka kuadrat mewakili fungsi regresi. Jumlah sisa kuadrat – juga dikenal sebagai jumlah kuadrat residual – pada dasarnya menentukan seberapa baik model regresi menjelaskan atau merepresentasikan data dalam model.

RSS vs. RSE

Kesalahan standar sisa * RSE) adalah istilah statistik lain yang digunakan untuk menggambarkan perbedaan dalam  standar deviasi  dari nilai yang diamati versus nilai prediksi seperti yang ditunjukkan oleh poin dalam  kesesuaian yang dapat digunakan untuk menganalisis seberapa cocok satu set poin data dengan model yang sebenarnya.

RSE dihitung dengan membagi RSS dengan jumlah observasi dalam sampel dikurangi 2 dan kemudian mengambil akar kuadrat: RSE = [RSS / (n-2)] 1/2

RSS, Keuangan, dan Ekonometrika

Pasar keuangan semakin digerakkan secara kuantitatif; dengan demikian, untuk mencari keunggulan, banyak investor menggunakan teknik statistik tingkat lanjut untuk membantu pengambilan keputusan mereka. Aplikasi big data, pembelajaran mesin, dan kecerdasan buatan semakin membutuhkan penggunaan properti statistik untuk memandu strategi investasi kontemporer. Jumlah sisa kuadrat – atau statistik RSS– adalah salah satu dari banyak properti statistik yang mengalami kebangkitan.

Model statistik digunakan oleh investor dan manajer portofolio untuk melacak harga investasi dan menggunakan data tersebut untuk memprediksi pergerakan di masa depan. Kajian – disebut analisis regresi – mungkin melibatkan analisis hubungan pergerakan harga antara komoditas dan saham perusahaan yang bergerak dalam memproduksi komoditas tersebut.

Model apa pun mungkin memiliki perbedaan antara nilai prediksi dan hasil aktual. Meskipun varians dapat dijelaskan dengan analisis regresi, jumlah sisa kuadrat mewakili varians atau kesalahan yang tidak dijelaskan.

Karena fungsi regresi yang cukup kompleks dapat dibuat agar sesuai dengan hampir semua kumpulan data, studi lebih lanjut diperlukan untuk menentukan apakah fungsi regresi sebenarnya berguna dalam menjelaskan varians kumpulan data. Namun, biasanya, nilai yang lebih kecil atau lebih rendah untuk jumlah sisa kuadrat ideal dalam model apa pun karena itu berarti ada lebih sedikit variasi dalam kumpulan data. Dengan kata lain, semakin rendah jumlah kuadrat residual, semakin baik model regresi dalam menjelaskan data.