Spisu treści:
Definicja - Co oznacza regresja wielokrotna?
Regresja wielokrotna jest narzędziem statystycznym służącym do wyprowadzania wartości kryterium z kilku innych zmiennych niezależnych lub predykcyjnych. Jest to jednoczesne połączenie wielu czynników w celu oceny, w jaki sposób i w jakim stopniu wpływają one na określony wynik.
Ta technika psuje się, gdy natura samych czynników ma charakter nieoceniony lub przypadkowy.
Techopedia wyjaśnia regresję wielokrotną
Przypadki regresji wielokrotnej obfitują w prawdziwym życiu. Na przykład planista strefowy chce wiedzieć, w jaki sposób na wartość domów wpływają takie czynniki, jak średni dochód gospodarstwa domowego w okolicy, powierzchnia domu, powierzchnia domu i rok budowy. Po wykreśleniu ich wszystkich w systemie, który może przeprowadzać regresję wielokrotną, dowiaduje się, że czynniki, które najbardziej wpływają na cenę sprzedaży domu, to powierzchnia i średni dochód w okolicy. Wielokrotna regresja może nawet pójść dalej i pokazać mu, że na drogie domy wpływają te same dwa czynniki w znacznie większym stopniu niż na domy o niższej i średniej cenie.
Innym przykładem jest firma rekrutacyjna, która próbuje ustalić odpowiednią rekompensatę. Okazuje się, że zmiennymi predykcyjnymi dla wynagrodzenia są wynagrodzenie bieżące, liczba osób nadzorowanych przez pracownika i zakres odpowiedzialności, jaką pracownik ten ponosi. Firma może zastosować regresję wielokrotną, aby dowiedzieć się, że obecne wynagrodzenie potencjalnego pracownika jest najważniejszym wyznacznikiem wynagrodzenia, które osoba będzie skłonna zaakceptować w nowej pracy.
Regresja wielokrotna jest jednak niewiarygodna w przypadkach, w których istnieje duża szansa, że na wyniki wpłyną niewymierne czynniki lub czysty przypadek. Na przykład nie możemy dokładnie użyć regresji do obliczenia, w jakim stopniu różne czynniki (stan gospodarki, inflacja, średni dochód do dyspozycji, prognozy zarobków firm itp.) Wpłyną na indeks giełdy za dokładnie 20 lat. W mechanice tych czynników zewnętrznych jest po prostu zbyt wiele niewiadomych.
