Multippel regresjon er en av de mest brukte statistiske teknikker , og mange mennesker er kjent med det , i hvert fall i disposisjonen . Dette vil være spesielt sant for folk utdannet i de sosiale , atferdsmessige eller naturvitenskap; for publikum, er kjennskap en fordel. På den annen side , hvis publikum er den generelle befolkningen , så mange vil være ukjent med multippel regresjon; for denne målgruppen , er kjennskap en ulempe , og du vil kanskje bruke en enklere statistikk eller stole helt på grafer .
Forutsetninger
Multippel regresjon gjør fire forutsetninger , og disse må sjekkes . Forutsetningene er om feilene fra modellen; feilene er forskjellen mellom den anslåtte verdien av den avhengige variabelen og den faktiske verdien av den avhengige variabelen . Multippel regresjon forutsetter at feilene fra modellen er normalfordelt; at feilene har konstant varians; at middelverdien av feilene er null; og at feilene er uavhengige .
Fleksibilitet
Multippel regresjon er en svært fleksibel metode . De uavhengige variablene kan være numerisk eller kategoriske , og interaksjoner mellom variablene kan bli innarbeidet; og polynom vilkår kan også være inkludert . For eksempel, i behandlingen av forholdet mellom vekt og høyde, alder og kjønn , du kan omfatte høyde kvadrat og produktet av høyden og kjønn .
Da forholdet mellom høyde og vekt vil være forskjellig for menn og kvinner , og at spådd forskjell i vekt mellom en fem meter høye person og en 5 - fot - en person er ikke det samme som at mellom en 6 meter høye person og en 6 -fots - en person .
bruk av flere variabler
Multippel regresjon bruker flere uavhengige variabler , med hver kontrollert for de andre. For eksempel, i modellen av vekten som relatert til høyde, alder og kjønn , estimerer modellen virkningen av høyde kontrollere for sex. Parameteren for høyde svar på spørsmålet " Hva er forholdet mellom høyde og vekt , gitt at en person er mann eller kvinne , og av en viss alder ? "