Die Vorteile und Nachteile einer Mehrfachregressionsmodell
Multiple Regression ist ein statistisches Verfahren zur Untersuchung der Beziehung zwischen einer Variablen , genannt die abhängige Variable oder das Ergebnis , und mehr als eine unabhängige Variable . Die abhängige Variable muss kontinuierlich oder nahezu kontinuierlich sein. Die unabhängigen Variablen kategorial oder kontinuierlich sein. Zum Beispiel könnten Sie eine multiple Regression , die die Beziehung zwischen Gewicht ( die abhängige Variable ) und Höhe , Alter und Geschlecht ( die unabhängigen Variablen ) zu tun. Bekanntheitsgrad
Multiple Regression ist eine der am häufigsten verwendeten statistischen Verfahren , und viele Menschen sind mit ihm vertraut , zumindest in einer Übersicht. Dies wird vor allem von Menschen in den Sozial-, Verhaltens -oder Naturwissenschaften ausgebildet sein ; für diese Zielgruppe , ist die Kenntnis von Vorteil. Auf der anderen Seite, wenn Ihre Zielgruppe ist die Bevölkerung , dann werden viele Menschen nicht vertraut mit multiplen Regressions sein ; für diese Zielgruppe ist die Vertrautheit ein Nachteil , und möchten Sie vielleicht eine einfachere Statistik nutzen oder vollständig auf Graphen.
Annahmen
multiple Regressions vier Annahmen macht , und diese müssen überprüft werden. Die Annahmen über die Fehler aus dem Modell ; die Fehler die Differenz zwischen dem vorhergesagten Wert der abhängigen Variablen und dem tatsächlichen Wert der abhängigen Variablen . Multiple Regression nimmt an, dass die Fehler aus dem Modell normal verteilt sind ; dass die Fehler haben konstante Varianz ; daß der Mittelwert der Fehler Null ist; und dass die Fehler unabhängig sind.
Flexibilität
Multiple Regression ist eine sehr flexible Methode. Die unabhängigen Variablen können numerische oder kategoriale und Interaktionen zwischen Variablen eingearbeitet werden ; und Polynomterme können ebenfalls enthalten sein. Zum Beispiel bei der Prüfung der Beziehung zwischen Gewicht und Körpergröße , Alter und Geschlecht , könnten Sie Größe im Quadrat und das Produkt von Größe und Geschlecht enthalten.
Dann wird das Verhältnis zwischen Körpergröße und Gewicht wäre anders sein, für Männer und Frauen , und die vorhergesagt Gewichtsunterschied zwischen einem 5 Meter hohen Person und eine 5-Fuß -1 Person ist nicht die gleiche wie die zwischen einem 6-foot- tall Person und ein 6-Fuß- 1 Person.
die Verwendung von mehreren Variablen
Multiple Regression verwendet mehrere unabhängige Variablen , mit denen jedes für die anderen. Zum Beispiel, in dem Modell von Gewicht als im Zusammenhang mit Größe, Alter und Geschlecht, schätzt das Modell die Wirkung von Höhensteuer für Sex. Der Parameter für die Höhe beantwortet die Frage " Wie ist das Verhältnis zwischen Körpergröße und Gewicht , da eine Person männlich oder weiblich ist und in einem gewissen Alter ? "