Lineare Regressionsmodelle werden verwendet, um die Verbindung zwischen zwei Faktoren oder Faktoren zu erkennen oder zu antizipieren. Der Faktor, der antizipiert wird (der Faktor, den die Bedingung versteht), wird als die bedürftige Variable bezeichnet. Die Komponenten, die verwendet werden, um die Schätzung der bedürftigen Variable vorherzusehen, werden als unabhängige Variablen bezeichnet.

Großartige Informationen zählen in der Regel nicht zur gesamten Geschichte. Rückfalluntersuchungen werden in der Regel bei Nachforschungen verwendet, da sich herausstellt, dass eine Beziehung zwischen Faktoren besteht. In jedem Fall ist der Zusammenhang nicht gleichbedeutend mit Kausalität. In der Tat sagt selbst eine Linie in einem direkten Rückfall, die gut zu den Informationsschwerpunkten passt, möglicherweise nichts Entscheidendes über die Umstände und die logische Ergebnisbeziehung aus.

Im grundlegenden direkten Rückfall besteht jede Wahrnehmung aus zwei Qualitäten. Ein Wert ist für die abhängige Variable und ein Wert ist für den freien Faktor.

Unkomplizierte direkte Rückfalluntersuchung Die am wenigsten komplexe Art einer Rückfalluntersuchung verwendet eine untergeordnete Variable und einen freien Faktor. Auf

dieses einfache Modell, eine gerade Linie approximiert den Zusammenhang zwischen der bedürftigen Variablen und dem freien Faktor.

Bei der einfachen linearen Regression besteht jede Beobachtung aus zwei Werten. Ein Wert ist für die abhängige Variable und ein Wert ist für die unabhängige Variable.

Einfache lineare Regressionsanalyse

Das Modell der einfachen linearen Regressionsanalyse e wird wie folgt gesprochen: y = (β0 +β1 + Ε

Durch numerische Darstellung werden den beiden Faktoren, die mit einer einfachen direkten Rückfalluntersuchung verbunden sind, x und y zugeordnet. Die Bedingung, die darstellt, wie y mit x identifiziert wird, wird als unabhängige Variable bezeichnet. Das Modell der direkten Rückfalluntersuchung enthält ebenfalls einen Fehlerbegriff, der mit Ε oder dem griechischen Buchstaben epsilon angesprochen wird. Der Blunder-Term wird verwendet, um die Unbeständigkeit in y darzustellen, die durch den direkten Zusammenhang zwischen x und y nicht geklärt werden kann. Es gibt zusätzlich Parameter, die für die betrachtete Bevölkerung sprechen.

Diese Parameter des Modells, mit denen gesprochen wird (β0+β1x).

So spricht man den einfachen Zustand des direkten Rückfalls an: Ε(y) = (β0 +β1 x).

Der einfache direkte Rezidivzustand wird als gerade Linie dargestellt.

(β0 ist der y-Block der Rückfalllinie.

β1 ist die Steigung.

Ε(y) ist die mittlere oder erwartete Schätzung von y für eine gegebene Schätzung von x.

Eine Rückfalllinie kann eine positive direkte Beziehung, eine negative gerade Beziehung oder keine Beziehung zeigen. Für den Fall, dass die gezeichnete Linie bei einem einfachen geraden Rückfall eben (nicht schräg) ist, besteht kein Zusammenhang zwischen den beiden Faktoren. Für den Fall, dass die Rückfalllinie mit dem unteren Haltepunkt am y-Fang (Hub) des Diagramms nach oben geneigt ist und das obere Ende der Linie sich nach oben in das Diagrammfeld verbreitert, besteht weg vom x-Block (Hub) eine positive direkte Beziehung. Für den unwahrscheinlichen Fall, dass die Rückfalllinie mit dem oberen Haltepunkt am y-Block (Drehpunkt) des Diagramms und dem unteren Ende der Linie, die sich nach unten in das Diagrammfeld erweitert, um den x-Block (Knotenpunkt) herum nach unten geneigt ist, besteht eine negative direkte Beziehung.

Geschätzte lineare Regressionsgleichung

Für den Fall, dass die Parameter der Population bekannt wären, könnte die einfache lineare Regressionsbedingung (wie nachfolgend gezeigt) verwendet werden, um die mittlere Schätzung von y für eine bekannte Schätzung von x zu verarbeiten.

Ε(y) = (β0 +β1 x).

In jedem Fall sind nach und nach die Wertschätzungen der Parameter nicht bekannt, so dass sie anhand von Informationen aus einem Beispiel der Bevölkerung bewertet werden sollten. Die Populationsparameter werden unter Verwendung von Testerkenntnissen bewertet. Die Beispieleinsichten werden mit b0 +b1 angesprochen. An dem Punkt, an dem die Populationsparameter durch die Beispieleinsichten ersetzt werden, wird die bewertete Rezidivbedingung eingerahmt.

Die geschätzte Regressionsgleichung ist unten dargestellt.

(ŷ) = (β0 +β1 x

(ŷ) ist eine artikulierte y-Kappe.

Das Diagramm der bewerteten einfachen Rezidivbedingung wird als die bewertete Rezidivlinie bezeichnet.

Der b0 ist der y-Fang.

Die b1 ist die Schräge.

Die ŷ) ist die bewertete Schätzung von y für eine gegebene Schätzung von x.

Wichtiger Hinweis: Die Rückfalluntersuchung wird nicht dazu benutzt, Umstände und logische Ergebnisverbindungen zwischen Faktoren zu entschlüsseln. Eine Rückfalluntersuchung kann, wie dem auch sei, zeigen, wie Faktoren miteinander verbunden sind oder in welchem Maße Faktoren miteinander in Beziehung stehen. Auf diese Weise wird die Rückfalluntersuchung im Allgemeinen bemerkenswerte Verbindungen herstellen, die einen kompetenten Analytiker bei der Untersuchung rechtfertigen.

Anders genannt: bivariate Rückfälle, Rückfalluntersuchung

Modelle: Die Least-Squares-Strategie ist eine faktische Methodik zur Nutzung von Testinformationen, um die Schätzung des bewerteten Rückfallzustandes zu ermitteln. Die Methode der kleinsten Quadrate wurde von Carl Friedrich Gauß vorgeschlagen, der im Jahr 1777 konzipiert wurde und den Löffel abgab.