آشنایی با تحلیل رگرسیون

آشنایی با  تحلیل رگرسیون 

🔹در تحلیل رگرسیون هدف، پیش بینی تغییرات یک یا چند متغیر وابسته(ملاک) با توجه به تغییرات متغیرهای مستقل(پیش بین ) است. به عبارتی همبستگی چند گانه یا رگرسیون، درجه ی رابطه ی بین n  متغیر را نشان می دهد دو نوع رگرسیون عبارت است از: 

1⃣ الف) رگرسیون چند گانه( Multiple regression ): چنانچه هدف ، پیش بینی یک متغیر ملاک از چند متغیر پیش بین باشد از مدل رگرسیون چند گانه استفاده می شود. در واقع در تحقیقات رگرسیون چند گانه ، هدف پیدا کردن متغیرهای پیش بین است که تغییرات متغیر ملاک را چه به تنهایی و چه مشترکاً پیش بینی می کند. 

2⃣ ب) رگرسیون چند متغیری(Multivariate regression) از رگرسیون چند متغیری، زمانی استفاده می شود که هدف، پیش بینی همزمان چند متغیر ملاک از متغیرهای پیش بین یا زیر مجموعه ای از آن ها باشد.

🔹ورود متغیرهای پیش بینی در تحلیل رگرسیون به سه شیوه صورت می گیرد: 

🔸الف ) روش همزمان (Simultaneous ): در این روش ، تمام متغیرهای پیش بین با هم وارد تحلیل می شوند. 

🔸ب) روش گام به گام ( Stepwise ): در روش گام به گام ، اولین متغیر پیش بین بر اساس بالاترین ضریب همبستگی صفر مرتبه یا متغیر ملاک وارد تحلیل می شود و ترتیب ورود متغیرها در دست محقق نیست. 

🔸ج ) روش سلسله مراتبی( Hierarchical ): در این روش ، ترتیب ورود متغیر ها به تحلیل بر اساس یک چارچوب نظری یا تجربی مورد نظر محقق صورت می گیرد.

✅ مهمترین فرض هایی که در روش آماری #رگرسیون باید رعایت کرد:

1- باقیمانده های رگرسیون دارای توزیع نرمال باشد.

2- متغیر یا متغیرهای مستقل با متغیر وابسته رابطه خطی داشته باشند.

3- واریانس عبارت خطا در تمام موارد ثابت باشد.

4- عبارتهای خطا مستقل از یکدیگر باشند.

5- بین متغیرهای مستقل رابطه همخطی وجود نداشته باشد.