Satura rādītājs:
Definīcija - ko nozīmē daudzkāršā regresija?
Daudzkārtējā regresija ir statistikas rīks, ko izmanto, lai atvasinātu kritērija vērtību no vairākiem citiem neatkarīgiem vai paredzamiem mainīgajiem. Tā ir vienlaicīga vairāku faktoru kombinācija, lai novērtētu, kā un cik lielā mērā tie ietekmē noteiktu iznākumu.
Šis paņēmiens sabojājas, ja pašu faktoru raksturs ir neizmērojams vai tīri nejaušs.
Techopedia izskaidro vairāku regresiju
Reālajā dzīvē ir daudz dažādu regresiju. Piemēram, zonālais plānotājs vēlas uzzināt, kā māju vērtību ietekmē tādi faktori kā vidējie mājsaimniecības ienākumi šajā apgabalā, mājas kvadrātmetri, mājas platība uz zemes un gads, kad tā uzcelta. Pēc visu šo iezīmēšanas sistēmā, kas var veikt vairāku regresiju, viņš uzzina, ka faktori, kas visvairāk ietekmē mājas pārdošanas cenu, ir kvadrātveida kadri un vidējie ienākumi šajā apgabalā. Daudzkārtējā regresija var pat izvērsties vēl vairāk un parādīt viņam, ka augstās cenas māju daudz lielākā mērā ietekmē tie paši divi faktori nekā mājas ar zemām un vidējām cenām.
Vēl viens piemērs ir personāla atlases firma, kas mēģina noteikt piemērotu kompensāciju. Tajā konstatēts, ka algas prognozējamie mainīgie lielumi ir pašreizējā alga, darbinieku uzraudzīto cilvēku skaits un darbiniekam uzticētās atbildības apjoms. Firma var izmantot vairākas regresijas, lai uzzinātu, ka potenciālā darbinieka pašreizējā alga ir vienīgais vissvarīgākais faktors, kas nosaka atalgojumu, kuru persona vēlēsies pieņemt jaunā darbā.
Daudzkārtēja regresija tomēr nav uzticama gadījumos, kad ir liela izredžu iznākumu ietekmēt neizmērojami faktori vai tīra nejaušība. Piemēram, mēs nevaram precīzi izmantot regresiju, lai aprēķinātu, cik lielā mērā dažādi faktori (ekonomikas stāvoklis, inflācija, vidējais rīcībā esošais ienākums, uzņēmumu ienākumu prognozes utt.) Ietekmēs akciju tirgus indeksu tieši 20 gadu laikā. Šo ārējo faktoru mehānikā ir vienkārši pārāk daudz nezināmo.
