Множественная прямолинейная регрессия является наиболее распространенным видом анализа прямолинейной регрессии. В качестве прогностического анализа используется множественная прямолинейная регрессия для выяснения связи между одной непрерывной переменной и двумя или более независимыми переменными. Независимые переменные часто являются непрерывными или категоричными (фиктивный код соответствующим образом).

Главная страница | Академические решения | Каталог статистических анализов | Многомерный анализ | Что такое множественная линейная регрессия?

Что такое множественная линейная регрессия?

Множественная прямолинейная регрессия – это самый распространенный вид анализа прямолинейной регрессии. В качестве предиктивного анализа используется множественная прямолинейная регрессия для выяснения связи между одной непрерывной переменной и двумя или более независимыми переменными. Независимые переменные часто являются непрерывными или категоричными (фиктивный код соответствующим образом).

Имя

Email

Примеры вопросов Ответы:

Эффективно ли прогнозируется средний балл по возрасту и IQ?

Объясняют ли вес, рост и возраст разницу в уровне холестерина?

Предположения:

Остатки регрессии должны быть нормально распределены.

Предполагается линейная зависимость между переменной и, следовательно, независимыми переменными.

Остатки гомоскедастичны и имеют приблизительно прямоугольную форму.

Внутри модели предполагается отсутствие мультиколлинеарности, что означает, что независимые переменные не слишком сильно коррелируют.

В середине анализа множественной прямолинейной регрессии ставится задача подгонки одной линии через график рассеяния. Точнее, множественные прямолинейные регрессии подгоняют линию через многомерное пространство точек знания. Единственная форма имеет одну зависимую и две независимые переменные. Переменную также можно упомянуть потому, что переменная результата или регрессия. Независимые переменные также могут быть упомянуты из-за переменных предиктора или регрессантов.

Для анализа множественной прямолинейной регрессии существует 3 основных применения. Во-первых, это не будет определять силу эффекта от того, что независимые переменные носят переменную.

Во-вторых, часто не удается предсказать эффекты или последствия изменений. То есть, анализ множественной прямолинейной регрессии помогает нам узнать, какая доля переменной изменится после изменения независимых переменных. В качестве примера можно привести множественную прямолинейную регрессию, которая скажет вам, как много GPA, по прогнозам, будет увеличиваться (или уменьшаться) для каждого увеличения (или уменьшения) IQ в одной точке.

В-третьих, анализ множественной прямолинейной регрессии предсказывает тенденции и будущие значения. Анализ множественной прямолинейной регрессии часто не позволяет получить точечные оценки. Примером может служить вопрос “сколько будет стоить золото через 6 месяцев?”.

При выборе модели для анализа множественной прямолинейной регрессии еще одним важным моментом является соответствие модели. Добавление независимых переменных в модель множественной прямолинейной регрессии всегда увеличивает количество объясняемой дисперсии внутри переменной (обычно выражаемой R²). Поэтому добавление слишком большого количества независимых переменных без теоретического обоснования может привести к тому, что модель окажется переподогнанной.