Meervoudige lineaire regressie is de meest voorkomende vorm van lineaire regressieanalyse. Als vooruitziend onderzoek wordt de talrijke directe terugval gebruikt om het verband te verduidelijken tussen één aaneengesloten afdelingsvariabele en ten minste twee autonome factoren. De autonome factoren kunnen non-stop of absoluut zijn (schijngecodeerd als geschikt).
Modelvragen beantwoord:
Verwachten leeftijd en IQ-scores met succes van GPA?
Verduidelijken gewicht, postuur en leeftijd het verschil in cholesterolgehalte?
Veronderstellingen:
Regressieresiduen moeten normaal gesproken worden toegeëigend.
Een directe relatie tussen de afhankelijke variabele en de autonome factoren wordt geaccepteerd.
De restanten zijn homoscedastisch en rond rechthoekige vorm.
Er wordt in het model geen multicollineariteit verwacht, wat betekent dat de autonome factoren niet erg uitzonderlijk overeenkomen.
In het midden van de meervoudige lineaire regressieanalyse is het de taak om een enkele lijn door een verstrooiingsplot te passen. Des te explicieter past de verschillende rechte terugval een lijn door een multidimensionale ruimte van informatiecentraties. De minst lastige structuur heeft één afhankelijke en twee autonome factoren. De afhankelijke variabele kan ook als resultaatvariabele of als regressievariabele worden aangeduid. De autonome factoren kunnen ook worden aangeduid als de indicatorfactoren of regressoren.
Er zijn 3 belangrijke toepassingen voor verschillende rechte terugvalonderzoeken. In de eerste plaats kan het worden gebruikt om de kwaliteit van de impact van de autonome factoren op een afhankelijke variabele te herkennen.
Ten tweede kan het heel goed worden gebruikt om de gevolgen of effecten van veranderingen in kaart te brengen. Dat wil zeggen, tal van rechte terugval onderzoek moedigt ons aan om te zien hoe veel van de zal de afhankelijke variabele veranderen wanneer we de autonome factoren te veranderen. Bijvoorbeeld, een andere rechte terugval kan u onthullen de hoeveelheid GPA wordt vertrouwd op verhoging (of verlaging) voor elke een-punts verhoging (of verlaging) in IQ.
Ten derde, verschillende directe terugval onderzoek voorspelt patronen en de toekomstige waardering. Het talrijke directe terugvalonderzoek kan worden gebruikt om puntmeters te krijgen. Een modelvraag zou kunnen zijn: “wat kost het goud over een half jaar?”
Bij de keuze van het model voor het verschillende directe terugvalonderzoek is een andere belangrijke gedachte het model passend. Door vrije factoren toe te voegen aan een ander model van directe terugval zal de maat van het opgehelderde verschil in de afhankelijke variabele (meestal gecommuniceerd als R²) consistent worden uitgebreid. Vervolgens kan het opnemen van een te groot aantal vrije factoren zonder hypothetische vermijding leiden tot een over-fit model.
