160
Глава 23. Линейна регресия Линейната регресияизчислява коефициентите на линейно уравнение, включващи един или повече независими променливи, които най-добре предскаже стойността на зависима променлива. Например, можете да опитате да предвидите годишните продажби на продавач (зависима променлива) от независими
променливи като възраст, образование и дългогодишен опит.
Пример.Броят на игри, спечели баскетболен отбор в един сезон свързани ли са със средния броя на точките на отбора отбелязани по време на играта? Диаграмата показва, че тези променливи са линейно свързани. Броят на спечелени игри и средния брой точки, отбелязани от противника са също линейно свързани. Тези променливи имат негативно отношение. Ако броят спечелени игри се увеличава, средният брой спечелени точки от опонента намалява. С
линейна регресия, можете да моделирате връзката на тези променливи. Един добър модел може да се използва, за да се предскаже колко игри ще спечели даден отбор.
Статистика. За всяка променлива: брой на валидни случаи, средно и стандартно отклонение. За всеки
Модел:
коефициент на регресията, матрицата на корелацията, частна и частична корелация, множество R,
R2, коригирана R2, промени в R2,
стандартна грешка на оценката, таблица на анализ-на-противоречие, прогнозни стойнисти и остатъците. Също така, 95% доверителни интервали за всеки коефициент на регресията,
матрица на вариация-ковариация, коефициент на дисперсията на инфлацията, толерантност,
Дърбин-Уотсън тест, мерки за разстояние (Mahalanobis, готвач), DfBeta, DfFit, интервали за прогнозиране, и диагностика на случаите. Диаграми: scatterplots,
частични диаграми, хистограми, и нормална диаграми на вероятностите.
Сподели с приятели: