La regresión lineal múltiple es la forma más común de análisis de regresión lineal. Como investigación clarificadora, la numerosa recaída directa se utiliza para aclarar la conexión entre una variable de sala incesante y al menos dos factores autónomos. Los factores autónomos pueden ser incesantes o absolutos (codificados de forma falsa como adecuados).

Preguntas modelo contestadas:

¿La edad y el coeficiente intelectual anticipan con éxito el promedio de notas?

¿El peso, la estatura y la edad aclaran la diferencia en los niveles de colesterol?

Supuestos:

Los residuos de la regresión deben ser normalmente apropiados.

Se acepta una relación directa entre la variable dependiente y los factores autónomos.

Los residuos son homosexuales y alrededor de forma rectangular.

Se espera que en el modelo no se produzca una falta de multicolinealidad, lo que implica que los factores autónomos no se corresponden de manera muy excepcional.

En el centro del análisis de regresión lineal múltiple está la tarea de ajustar una sola línea a través de un gráfico de dispersión. De manera más explícita, la diferente recta de recaída encaja una línea a través de un espacio multidimensional de focos de información. La estructura menos difícil tiene un factor dependiente y dos factores autónomos. La variable dependiente también puede ser aludida como la variable de resultado o regresión. Los factores autónomos pueden también ser aludidos como factores indicadores o regresores.

Hay tres usos significativos para varios exámenes de reincidencia. En primer lugar, puede utilizarse para reconocer la calidad del impacto que los factores autónomos tienen en una variable dependiente.

En segundo lugar, puede utilizarse muy bien para calcular los impactos o efectos de los cambios. Es decir, numerosos exámenes de recaída directa nos animan a ver cómo cambiará la variable dependiente cuando cambiemos los factores autónomos. Por ejemplo, una recaída recta diferente puede revelarle la cantidad de GPA en la que se confía para incrementar (o reducir) cada incremento (o disminución) de un punto en el CI.

En tercer lugar, el examen de la recaída directa diferente predice los patrones y las estimaciones futuras. La numerosa investigación de recaídas directas puede ser utilizada para obtener indicadores de puntos. Una pregunta modelo podría ser “¿cuál será el costo del oro dentro de medio año?”

Al elegir el modelo para el examen de la recaída directa diferente, otro pensamiento significativo es el ajuste del modelo. Añadir factores libres a un modelo diferente de recaída directa expandirá consistentemente la medida de la diferencia aclarada en la variable dependiente (comúnmente comunicada como R²). Posteriormente, la inclusión de un número excesivo de factores libres sin ninguna avocación hipotética puede dar lugar a un modelo de ajuste excesivo.