Çoklu regresyonbağımlı ya da sonuç değişkeni olarak adlandırılan bir değişken , ve birden fazla bağımsız değişkenler arasındakiilişkiyi incelemek için istatistiksel bir tekniktir . Bağımlı değişken sürekli veya neredeyse sürekli olmalıdır . Bağımsız değişkenler kategorik veya sürekli olabilir . Örneğin, ağırlık (bağımlı değişken ) ve boy, yaş ve cinsiyet (bağımsız değişkenler ) arasındakiilişkiye bakarak bir çoklu regresyon yapabilirdi . Aşinalık

Çoklu regresyon düzeyien sık kullanılan istatistiksel tekniklerden biridir ve birçok kişi en azından ana hatlarıyla , onunla tanıdık . Bu, sosyal, davranışsal veya fiziksel bilimleri eğitimli insanların özellikle doğrudur olacak ; Bu kitle için , aşinalık bir avantajdır. Hedef kitlenizigenel nüfusu iseÖte yandan , daha sonra birçok kişi çoklu regresyon ile yabancı olacak ; Bu kitle için , aşinalık bir dezavantaj olduğunu ve basit bir istatistiğini kullanın veya grafikler tamamen güvenmek isteyebilirsiniz .
Varsayımlar

Çoklu regresyon dört varsayımlar yapar ve bu kontrol edilmesi gerekir . Varsayımlarmodelihatalar hakkında ise; hatalarıbağımlı değişkenintahmini değeri vebağımlı değişkeningerçek değeri arasındakifarktır . Çoklu regresyonmodelindenhatalar normal dağılım olduğunu varsayar ; hataları sabit varyans var ki ; hataların ortalama sıfır olduğu ; vehataları bağımsız olduğunu .
Esneklik

Çoklu regresyon çok esnek bir yöntemdir . Bağımsız değişkenler sayı veya kategorik ve değişkenler arasındaki etkileşimler dahil edilebilir olabilir; ve polinom terimleri de dahil edilebilir . Örneğin, ağırlık ve boy , yaş ve cinsiyet arasındakiilişkiyi inceleyen , sen yüksekliği kare ve yüksekliği ve seksürünü içerebilir . Boy ve kilo arasındakiilişki erkekler ve kadınlar için farklı olurdu Sonra
ve 5-ayak – uzun boylu bir kişi ve bir 5-ayak – 1 kişi arasındaki ağırlık tahmin fark 6-ayak – uzun boylu bir kişi ve 6 – ayak-1 kişi arasındaki bu kadaraynı değildir .

Çeşitli Değişkenler kullanımı

çoklu regresyon herbaşkaları için kontrol ile , birden fazla bağımsız değişkenleri kullanır . Örneğin, boy, yaş ve cinsiyet gibi ilgili ağırlıkmodelinde , model Cinsiyet kontrol yükseklik etkisini tespit eder. Yükseklikparametresisoruyu ” Bir kişi erkek ya da kadın ve belirli bir yaş olduğunu verilen boy ve kilo arasındakiilişki nedir ? ”

Cevapları