Talaan ng mga Nilalaman:

Ano ang pagsusuri ng multi regression?
Ano ang pagsusuri ng multi regression?

Video: Ano ang pagsusuri ng multi regression?

Video: Ano ang pagsusuri ng multi regression?
Video: Multiple Regression | TAGALOG Tutorial | jamovi 2024, Nobyembre
Anonim

Maramihang pagbabalik ay isang extension ng simpleng linear pag-urong . Ito ay ginagamit kapag gusto nating hulaan ang halaga ng isang variable batay sa halaga ng dalawa o higit pang mga variable. Ang variable na gusto nating hulaan ay tinatawag na dependent variable (o kung minsan, ang resulta, target o criterion variable).

Sa ganitong paraan, ano ang isang halimbawa ng multiple regression?

Para sa halimbawa , kung ginagawa mo ang isang maramihang pagbabalik para subukang hulaan ang presyon ng dugo (ang dependent variable) mula sa mga independent variable gaya ng taas, timbang, edad, at oras ng ehersisyo bawat linggo, gusto mo ring isama ang sex bilang isa sa iyong mga independent variable.

Maaari ring tanungin ng isa, bakit mahalaga ang maramihang pagbabalik? Yan ay, maramihan linear pag-urong Tinutulungan tayo ng pagsusuri na maunawaan kung magkano ang magbabago ng umaasa na variable kapag binago natin ang mga independiyenteng variable. Halimbawa, a maramihan linear regression maaaring sabihin sa iyo kung gaano karaming GPA ang inaasahang tataas (o bababa) para sa bawat isang puntong pagtaas (o pagbaba) sa IQ.

Pangalawa, ano ang multi linear regression?

Ang layunin ng maramihang linear regression (MLR) ay upang modelo ang linear relasyon sa pagitan ng paliwanag (independiyente) na mga variable at tugon (dependent) na variable. Sa esensya, maramihang pagbabalik ay ang pagpapalawak ng ordinaryong pinakamaliit na mga parisukat (OLS) regression na nagsasangkot ng higit sa isang nagpapaliwanag na variable.

Paano mo susuriin ang maramihang pagbabalik?

Bigyang kahulugan ang mga pangunahing resulta para sa Maramihang Pag-urong

  1. Hakbang 1: Tukuyin kung ang ugnayan sa pagitan ng tugon at ng term ay makabuluhan sa istatistika.
  2. Hakbang 2: Tukuyin kung gaano kahusay ang modelo sa iyong data.
  3. Hakbang 3: Tukuyin kung natutugunan ng iyong modelo ang mga pagpapalagay ng pagsusuri.

Inirerekumendang: