Výhody a Nevýhody Multiple regresného modelu

viac regresie je štatistická metóda na preskúmanie vzťahu medzi jednou premennou , tzv závislý alebo výstupné premennú , a viac než jednej nezávislej premennej . Závislá premenná musí byť kontinuálne alebo takmer kontinuálne . Nezávislé premenné môžu byť kategorické alebo kontinuálne . Napríklad by ste mohli urobiť viac regresie pri pohľade na vzťah medzi hmotnosťou ( závislá premenná ) a výšky , veku a pohlavia ( nezávislé premenné ) . Stupeň známosti

viacnásobné regresie je jedným z najčastejšie používaných štatistických metód , a mnoho ľudí sú oboznámení s tým , aspoň v náčrte . To bude platiť najmä pre ľudí vzdelaných v sociálnych , behaviorálnych alebo prírodných vied; k publiku , znalosť je výhodou . Na druhú stranu , ak vaše publikum je všeobecná populácia , potom veľa ľudí bude oboznámení s viacnásobnou regresiou; k publiku , znalosť je nevýhodou , a budete chcieť použiť jednoduchšiu štatistiku alebo spoliehať výhradne na grafoch .
Predpoklady

viac regresia je štyri predpoklady , a tie je potrebné skontrolovať . Predpoklady sú o chybách z modelu; chyby sú rozdiely medzi predpokladanou hodnotou závislej premennej a skutočné hodnoty závislej premennej . Viacnásobná regresia predpokladá , že chyby z modelu sú zvyčajne distribuované; že chyby majú konštantnú rozptyl; , že priemer chýb je nula; a že chyby sú nezávislé .
Flexibilita

Viacnásobná regresia je veľmi flexibilná metóda . Nezávislé premenné môžu byť číselné alebo kategorický , a interakcie medzi premennými môžu byť začlenené; a môžu byť zahrnuté aj polynomiálnej podmienky . Napríklad pri skúmaní vzťahu medzi hmotnosťou a výškou , veku a pohlavia , môžete zahrnúť druhou mocninou výšky a produkt výšku a pohlavia .
Potom vzťah medzi výškou a hmotnosťou by byť odlišné pre mužov a ženy , a predpovedal rozdiel v hmotnosti medzi 5 - noha - vysoký osobu a 5 - noha - 1 osobu nie je rovnaký ako medzi 6 - noha - vysoký osobou a 6 - noha - 1 osobu .

Použitie viacerých premenných

viac regresia používa viac nezávislých premenných , s každým riadenia pre ostatné . Napríklad v modeli hmotnosti vo vzťahu k výške , veku a pohlavia , Model odhaduje vplyv výšky kontrolujúci sex . Parameter výšky odpovedá na otázku " Aký je vzťah medzi výškou a hmotnosťou , za predpokladu , že osoba je muž alebo žena a v určitom veku ? "