A regressão linear múltipla é a forma mais comum de análise de regressão linear. Como uma investigação presciente, as numerosas recidivas diretas são utilizadas para esclarecer a conexão entre uma variável incessante da ala e pelo menos dois fatores autônomos. Os fatores autônomos podem ser ininterruptos ou absolutos (codificados como adequados).

Modelo Perguntas respondidas:

A idade e as notas de QI antecipam com sucesso a GPA?

O peso, a estatura e a idade esclarecem a diferença nos níveis de colesterol?

Suposições:

Os resíduos de regressão devem ser ordinariamente apropriados.

É aceite uma relação directa entre a variável dependente e os factores autónomos.

Os resíduos são homoscedásticos e em torno de forma retangular.

A não comparência de multicolinearidade é esperada no modelo, o que implica que os fatores autônomos não são muito excepcionalmente correspondentes.

No centro da análise de regressão linear múltipla está a tarefa de encaixar uma única linha através de um gráfico de dispersão. Ainda mais explicitamente as diferentes recidivas retas se encaixam numa linha através de um espaço multidimensional de focos de informação. A estrutura menos difícil tem um fator dependente e dois autônomos. A variável dependente também pode ser aludida como a variável resultante ou regressão. Os fatores autônomos também podem ser aludidos como os fatores indicadores ou regressores.

Existem 3 usos significativos para vários exames de recidiva recidivante recidivante. Em primeiro lugar, pode ser utilizado para reconhecer a qualidade do impacto que os fatores autônomos têm sobre uma variável dependente.

Em segundo lugar, pode muito bem ser utilizado para calcular os impactos ou efeitos das mudanças. Ou seja, numerosos exames de recidiva reta nos encorajam a ver como muitas das variáveis dependentes mudam quando mudamos os fatores autônomos. Por exemplo, uma recidiva reta diferente pode revelar a quantidade de GPA em que se baseia para incrementar (ou reduzir) cada incremento de um ponto (ou declínio) no QI.

Em terceiro lugar, diferentes exames de recidiva direta predizem padrões e estima futura. As numerosas investigações de recidivas diretas podem ser utilizadas para obter aferidores de pontos. Uma pergunta modelo pode ser “qual será o custo do ouro daqui a meio ano”.

Ao escolher o modelo para os diferentes exames de recidiva direta, outro pensamento significativo é o modelo adequado. A adição de fatores livres a um modelo diferente de recidiva reta expandirá consistentemente a medida da diferença esclarecida na variável dependente (comumente comunicada como R²). Subsequentemente, a inclusão de um número excessivo de factores livres sem uma hipotética avocação pode provocar um modelo com um ajuste excessivo.