فهرست مطالب:
تصویری: تحلیل رگرسیون چندگانه چیست؟
2024 نویسنده: Stanley Ellington | [email protected]. آخرین اصلاح شده: 2023-12-16 00:16
رگرسیون چندگانه فرمت ساده خطی است پسرفت به زمانی استفاده می شود که بخواهیم مقدار یک متغیر را بر اساس مقدار دو یا چند متغیر دیگر پیش بینی کنیم. متغیری که می خواهیم پیش بینی کنیم متغیر وابسته (یا گاهی متغیر نتیجه ، هدف یا معیار) نامیده می شود.
به این ترتیب، نمونه ای از رگرسیون چندگانه چیست؟
برای مثال ، اگر شما در حال انجام رگرسیون چندگانه برای پیش بینی فشار خون (متغیر وابسته) از متغیرهای مستقل مانند قد ، وزن ، سن و ساعات ورزش در هفته ، همچنین می خواهید جنسیت را به عنوان یکی از متغیرهای مستقل خود در نظر بگیرید.
ممکن است یکی بپرسد که چرا رگرسیون چندگانه مهم است؟ به این معنا که، چندگانه خطی پسرفت تجزیه و تحلیل به ما کمک می کند تا بفهمیم وقتی متغیرهای مستقل را تغییر می دهیم، متغیر وابسته چقدر تغییر می کند. به عنوان مثال، الف چندگانه خطی پسرفت می تواند به شما بگوید که انتظار می رود معدل به ازای هر یک واحد افزایش (یا کاهش) بهره هوشی چقدر افزایش (یا کاهش) یابد.
ثانیاً ، رگرسیون چند خطی چیست؟
هدف از رگرسیون خطی چندگانه (MLR) به مدل را خطی رابطه بین متغیرهای توضیحی (مستقل) و متغیر پاسخ (وابسته). در اصل ، رگرسیون چندگانه فرمت حداقل مربعات معمولی (OLS) است پسرفت که شامل بیش از یک متغیر توضیحی است.
چگونه رگرسیون چندگانه را تحلیل می کنید؟
نتایج کلیدی رگرسیون چندگانه را تفسیر کنید
- مرحله 1: تعیین کنید که آیا ارتباط بین پاسخ و عبارت از نظر آماری معنی دار است یا خیر.
- مرحله 2: تعیین کنید که مدل چقدر با داده های شما مطابقت دارد.
- مرحله 3: تعیین کنید که آیا مدل شما با مفروضات تحلیل مطابقت دارد یا خیر.
توصیه شده:
رگرسیون چندگانه به شما چه می گوید؟
رگرسیون چندگانه ، گسترش رگرسیون ساده خطی است. زمانی استفاده می شود که بخواهیم مقدار یک متغیر را بر اساس مقدار دو یا چند متغیر دیگر پیش بینی کنیم. متغیری که می خواهیم پیش بینی کنیم متغیر وابسته (یا گاهی نتیجه ، هدف یا معیار) نامیده می شود
معادله رگرسیون چندگانه چیست؟
رگرسیون چندگانه. رگرسیون چندگانه به طور کلی رابطه بین چند متغیر مستقل یا پیش بینی کننده و یک متغیر وابسته یا معیار را توضیح می دهد. معادله رگرسیون چندگانه که در بالا توضیح داده شد به شکل زیر است: y = b1x1 + b2x2 + … + bnxn + c
چگونه بهترین مدل رگرسیون چندگانه را انتخاب می کنید؟
هنگام انتخاب یک مدل خطی، اینها عواملی هستند که باید در نظر داشته باشید: فقط مدل های خطی را برای همان مجموعه داده مقایسه کنید. مدلی با R2 تنظیم شده بالا پیدا کنید. مطمئن شوید که این مدل باقیمانده ها را به طور مساوی در اطراف صفر توزیع کرده است. اطمینان حاصل کنید که خطاهای این مدل در پهنای باند کمی باشد
رگرسیون خطی چندگانه در R چیست؟
رگرسیون خطی چندگانه گسترش رگرسیون خطی ساده است که برای پیش‌بینی متغیر نتیجه (y) بر اساس متغیرهای پیش‌بینی‌کننده متمایز چندگانه (x) استفاده می‌شود. آنها ارتباط بین متغیر پیش بینی کننده و نتیجه را اندازه گیری می کنند
رگرسیون چندگانه در روانشناسی چیست؟
تحلیل رگرسیون چندگانه برای بررسی رابطه بین یک متغیر عددی به نام معیار و مجموعه ای از متغیرهای دیگر به نام پیش بینی کننده استفاده می شود. علاوه بر این، از تحلیل رگرسیون چندگانه برای بررسی همبستگی بین دو متغیر پس از کنترل متغیر کمکی دیگر استفاده می‌شود