Fördelar &Nackdelar med en multipel regressionsmodell

Multipel regression är en statistisk metod för att undersöka sambandet mellan en variabel , som kallas den beroende eller utfallet variabel , och mer än en oberoende variabler . Den beroende variabeln måste vara kontinuerlig eller nästan kontinuerligt . De oberoende variablerna kan vara kategorisk eller kontinuerlig . Till exempel kan du göra en multipel regression tittar på förhållandet mellan vikt ( den beroende variabeln ) och längd, ålder och kön ( de oberoende variablerna ) . Kunskapsnivå

Multipel regression är en av de mest använda statistiska metoder , och många människor är bekanta med det , åtminstonei stora drag . Detta kommer att vara särskilt sant för personer utbildade i de sociala , beteende-eller naturvetenskap; för denna målgrupp , är förtrogenhet meriterande . Å andra sidan, om din målgrupp är den allmänna befolkningen , då många människor kommer att vara obekanta med multipel regression; för denna målgrupp , är förtrogenhet en nackdel , och du kanske vill använda en enklare statistik eller förlita sig helt på grafer .

Antaganden

Multipel regression gör fyra antaganden , och dessa måste kontrolleras . Antagandena är om felen från modellen; felet är skillnaden mellan det förutsagda värdet på den beroende variabeln och det faktiska värdet för den beroende variabeln. Multipel regression förutsätter att felen från den modell som normalt distribueras; att felen har konstant varians; att medelvärdet av de fel som är noll; och att felen är oberoende .
Flexibilitet

Multipel regression är en mycket flexibel metod . De oberoende variablerna kan vara numeriska eller kategoriska , och interaktioner mellan variabler kan införlivas; och polynom termer kan också inkluderas . Till exempel i att undersöka förhållandet mellan vikt och längd , ålder och kön , kan du inkludera höjd i kvadrat och produkten av längd och kön .
Sedan förhållandet mellan längd och vikt skulle vara olika för män och kvinnor , och förutspådde skillnaden i vikt mellan en 5 - fot - lång person och en 5 - fot - 1 person är inte den samma som mellan en 6 - fot - lång person och en 6 - fot - 1 person .

Användning av flera variabler

multipel regression använder flera oberoende variabler , där varje kontroll för de andra. Till exempel, i en modell av vikt i relation till längd, ålder och kön , uppskattar modellen effekten av höjd kontroll för kön . Parametern för höjd svarar på frågan " Vad är förhållandet mellan längd och vikt , med tanke på att en person är man eller kvinna och i en viss ålder ? " Addera