シェア:
多重線形回帰の前提、方法および使用
の 重回帰 研究対象の因果関係を調べ、複雑な仮説を検証する計算ツールです。.
数学や統計に使われています。このタイプの線形回帰では、さまざまな研究分野に固有の他の要因に加えて、階層順に従う従属変数（つまり結果）と独立変数（つまり原因）が必要です。.
通常、線形回帰は2つの従属変数から計算される線形関数によって表されるものです。これは、研究された現象が直線の回帰を持つという最も重要なケースとして.
与えられたデータのセット（x1、y1）（xn、yn）と、互いに直接相関している一対の確率変数に対応する値の中で、回帰直線は始めに方程式の形をとることができます。 y = a・x + bとして .
重線形回帰における計算の理論的前提
重回帰を使用する計算は、対象となる対象や経済などの対象分野に大きく依存します。変数によって、使用される式がケースによって異なる複雑さを持つためです。.
つまり、質問が複雑になればなるほど、より多くの要素を考慮する必要があるため、より多くのデータを収集する必要があるため、計算に含める要素の量が増え、式が大きくなります。.
しかしながら、これら全ての式に共通するのは、計算後にデカルトシステムによってグラフで表される縦軸（縦座標の１つまたはＹ軸）および横軸（横座標の１つまたはＸ軸）があることである。.
そこからデータの解釈が行われ（次のセクションを参照）、結論や予測が行われます。どのような場合でも、事前統計的前提を使用して、次のように変数を重み付けすることができます。
1-弱い外因性
それは、変数がそれ自身の外部の原因のためにそのモデルの変化にそれ自身を貸すことがほとんどできない固定値で仮定されなければならないことを意味する.
2 - 線形文字
それは、変数の値、ならびに他のパラメータおよび予測係数が、デカルトシステムにおいて、グラフで表すことができる要素の線形結合として示されなければならないことを意味します。.
3-均一分散性
これは一定でなければなりません。ここでは、予測変数に関係なく、それぞれの異なる応答変数に対して同じ誤差の分散がなければならないことを意味します。.
4-独立
これは応答変数のエラーにのみ適用されます。応答変数は、定義されたパターンを表すエラーのグループとしてではなく、単独で表示する必要があります。.
5-多重共線性の欠如
独立変数に使用されます。何かを勉強しようとしたが、利用可能な情報が非常に少ないので、多くの答えがあり、そのため値には多くの解釈がある可能性があります。.
考慮される他の前提がありますが、上で提示されたことは、多重線形回帰がより厳格で完全で偏りのないために多くの情報を必要とすることを明らかにしています。提案は具体的です.
つまり、それは曖昧さにふさわしくない、そして可能な限り少ない程度でそれがエラーを引き起こすという、非常に具体的で具体的な何かを用いてその点に到達しなければなりません。.
重回帰は絶対確実なものではなく、計算上の誤りや不正確さを招きやすいことに注意してください。これは、研究を実行した人によるものではありませんが、特定の自然現象が完全に予測できない、または必然的に特定の原因によるものであるためです。.
オブジェクトが突然変化することや、相互作用する多数の要素の動作（または動作しないこと）によってイベントが発生することがよくあります。.
グラフィックの解釈
データが研究の前の段階で設計されたモデルに従って計算されると、式はグラフで表すことができる値を生み出すでしょう.
この順序で、デカルトシステムは計算された変数に対応する多くの点を示します。あるものはより縦座標の軸にあり、他のものはより横座標の軸にあるでしょう。他の人がより孤立している間、いくつかはよりグループ化されます。.
グラフのデータを解釈することに伴う複雑さに気付くために、例えばAscombe Quartetを観察することができます。この四重奏では、4つの異なるデータセットが処理され、それらのそれぞれが別々のグラフになっているため、別々の分析に値することになります。.
直線性は残りますが、デカルト系の点は、パズルのピースがどのようにまとまっているかを知る前に、非常に慎重に検討する必要があります。それから関連する結論を引き出すことができます.
もちろん、これらのピースを合わせるための方法はいくつかありますが、特別な計算マニュアルに記載されているさまざまな方法に従います。.
多重線形回帰は、すでに述べたように、研究の対象とその適用分野に応じて多くの変数に依存するため、経済学の手順は医学やコンピュータ科学と同じではありません。全部で、はい、見積もりがなされます、そして最後にチェックされる仮説.
重回帰の拡張
単純回帰や一般回帰など、線形回帰にはいくつかの種類がありますが、さまざまな研究対象、したがって科学のニーズに適応する重回帰のいくつかの側面もあります。.
これらは通常、多数の変数を処理するため、多変量や多値などのモデルをよく見ることができます。それぞれが、結果の解釈がより重要になる傾向があるように、多様な複雑さの仮定と公式を使います。.
見積もり方法
重線形回帰で得られたデータを推定するための広範囲の手順があります.
繰り返しますが、ここでのすべては、使用するモデルの堅牢性、計算式、変数の数、考慮に入れた理論上の仮説、研究分野、特殊なコンピュータプログラムでプログラムされているアルゴリズム、 、卓越性、オブジェクトの複雑さ、分析されている現象またはイベント.
それぞれの推定方法はまったく異なる公式を使用します。完璧なものはありませんが、実施された統計的研究に従って使用されるべきであるという独特の長所があります.
すべての種類があります。機器変数、一般化最小二乗法、ベイズ線形回帰、混合モデル、Tyjonov正則化、分位回帰、Theil-Sen推定量、そしてデータをより正確に調べることができるツールの長いリスト.
実用的な使い方
多重線形回帰は様々な研究分野で使用されており、多くの場合、より正確なデータを得るためにはコンピュータプログラムの支援が必要です。.
このようにして、手動計算から生じる可能性がある誤差のマージンが減少する（多くの独立変数および従属変数の存在を考えると、多くのデータおよび要因があるので、このタイプの線形回帰が誤りに向いていることは当然である処理済み）.
たとえば、市場動向の分析では、製品の価格などのデータが増減したかどうかを調べますが、何よりも何故.
主に変更が予期しないものである場合は、特定の期間内に数値に重要な変動がある場合に分析されます。その製品が上がったり下がったり、あるいは小売価格を維持したりするための正確なまたは考えられる要因を探すのはなぜですか。.
同様に、健康科学（医学、生物分析、薬局、疫学など）も重回帰分析の恩恵を受け、死亡率、罹患率、出生率などの健康指標を調べます。.
このような場合、観察から始まる研究から始めることができますが、その後、いくつかの指標の変動が特定の原因によるのかどうか、いつ、なぜその理由を判断するためのモデルが作られます。.
財政はまた、特定の投資を行うことの長所と短所を調べるために多重線形回帰を使用します。ここでは、いつ誰と、そしてどのような期待される利益があったのか、金融取引がいつ行われるかを知ることが常に必要です.
これらの投資の質を評価する際に考慮されるさまざまな要因に応じて、通貨交換の量も考慮して、リスクレベルは増減します。.
ただし、この計算ツールが最もよく使用されるのは経済です。したがって、この科学では、消費支出、投資費用、購入、輸出、輸入、資産、労働需要、求人、その他多くの要素を予測する目的で多重線形回帰を使用します。.
それらはすべてマクロ経済学とミクロ経済学に関連しており、データ分析変数がグローバルに存在するため、データ分析変数がより豊富になる最初のものです。.
参考文献
- Baldor、Aurelio（1967）。三角法を紹介した平面と空間の幾何学カラカス：社説Cultura Venezolana、S.A..
- 大学病院Ramóny Cajal（2017）。重回帰モデルスペイン、マドリッド：HRC、マドリッドのコミュニティ。 www.hrc.esから取得.
- Pedhazur、Elazar J.（1982）。行動研究における重回帰説明と予測、第2版ニューヨーク：ホルト、ラインハート＆ウィンストン.
- Ｒｏｊｏ Ａｂｕｉｎ、Ｊ。 （2007）。重回帰スペイン、マドリッド：人文社会科学センター。 humanities.cchs.csic.esから回復しました.
- マドリード自治大学（2008）。重回帰スペイン、マドリッド：UAM。 web.uam.esから回復しました.
- ACoruña大学（2017）。重回帰モデル。相関関係スペイン、ラ・コルーニャ：UDC、数学科。 dm.udc.esから回復.
- Uriel、E.（2017）。重線形回帰推定と性質スペイン、バレンシア：バレンシア大学。 www.uv.esから回収.
- バリオカストロ、トマスデル; ClarLópez、Miquel、SuriñachCaral、Jordi（2002）。重回帰モデル：仕様、推定およびコントラストカタルーニャ：UOC編集.