წრფივი vs ლოგისტიკური რეგრესია
სტატისტიკურ ანალიზში მნიშვნელოვანია კვლევისთვის დაკავშირებულ ცვლადებს შორის ურთიერთობების იდენტიფიცირება. ზოგჯერ ეს შეიძლება იყოს თავად ანალიზის ერთადერთი მიზანი. ერთ-ერთი ძლიერი ინსტრუმენტი, რომელიც გამოიყენება ურთიერთობის არსებობისა და დამოკიდებულების დასადგენად, არის რეგრესიის ანალიზი.
რეგრესიული ანალიზის უმარტივესი ფორმაა წრფივი რეგრესია, სადაც ცვლადებს შორის კავშირი არის წრფივი ურთიერთობა. სტატისტიკური თვალსაზრისით, ის ასახავს ახსნა-განმარტებით ცვლადსა და პასუხის ცვლადს შორის ურთიერთობას. მაგალითად, რეგრესიის გამოყენებით შეგვიძლია დავადგინოთ კავშირი საქონლის ფასსა და მოხმარებას შორის შემთხვევითი ნიმუშიდან შეგროვებული მონაცემების საფუძველზე.რეგრესიული ანალიზი წარმოქმნის მონაცემთა ნაკრების რეგრესიულ ფუნქციას, რომელიც არის მათემატიკური მოდელი, რომელიც საუკეთესოდ ერგება ხელმისაწვდომ მონაცემებს. ეს ადვილად შეიძლება წარმოდგენილი იყოს სკატერული ნაკვეთით. გრაფიკულად რეგრესია ექვივალენტურია მოცემული მონაცემთა ნაკრებისთვის საუკეთესო შესატყვისი მრუდის პოვნისა. მრუდის ფუნქცია არის რეგრესიის ფუნქცია. მათემატიკური მოდელის გამოყენებით შესაძლებელია საქონლის გამოყენების პროგნოზირება მოცემულ ფასად.
ამიტომ, რეგრესიული ანალიზი ფართოდ გამოიყენება პროგნოზირებისა და პროგნოზირებისას. იგი ასევე გამოიყენება ექსპერიმენტულ მონაცემებში, ფიზიკის, ქიმიის და ბევრ საბუნებისმეტყველო მეცნიერებასა და საინჟინრო დისციპლინაში ურთიერთობების დასამყარებლად. თუ კავშირი ან რეგრესიის ფუნქცია წრფივი ფუნქციაა, მაშინ პროცესი ცნობილია როგორც წრფივი რეგრესია. გაფანტულ ნაკვეთში ის შეიძლება იყოს წარმოდგენილი როგორც სწორი ხაზი. თუ ფუნქცია არ არის პარამეტრების წრფივი კომბინაცია, მაშინ რეგრესია არაწრფივია.
ლოგისტიკური რეგრესია შედარებულია მრავალვარიანტულ რეგრესიასთან და ის ქმნის მოდელს, რათა ახსნას მრავალი პროგნოზირების გავლენა საპასუხო ცვლადზე.თუმცა, ლოგისტიკური რეგრესიის დროს, საბოლოო შედეგის ცვლადი უნდა იყოს კატეგორიული (ჩვეულებრივ, იყოფა; ე.ი. მიღწეული შედეგების წყვილი, როგორიცაა სიკვდილი ან გადარჩენა, თუმცა სპეციალური ტექნიკა იძლევა უფრო კატეგორიზებული ინფორმაციის მოდელირებას). უწყვეტი შედეგის ცვლადი შეიძლება გარდაიქმნას კატეგორიულ ცვლადად, რომელიც გამოიყენება ლოგისტიკური რეგრესიისთვის; თუმცა, უწყვეტი ცვლადების ამ გზით კოლაფსი უმეტესად აკრძალულია, რადგან ეს ამცირებს სიზუსტეს.
განსხვავებით წრფივი რეგრესიისგან, საშუალოს მიმართ, ლოგისტიკური რეგრესიის პროგნოზირების ცვლადები არ უნდა იყოს იძულებული, რომ იყოს წრფივი დაკავშირებული, ჩვეულებრივ განაწილებული, ან ჰქონდეს თანაბარი დისპერსია ყველა კლასტერში. შედეგად, პროგნოზირებისა და შედეგის ცვლადებს შორის კავშირი სავარაუდოდ არ იქნება წრფივი ფუნქცია.
რა განსხვავებაა ლოგისტიკურ და ხაზოვან რეგრესიას შორის?
• წრფივი რეგრესიის დროს, ახსნა-განმარტებით ცვლადსა და პასუხის ცვლადს შორის წრფივი კავშირია დაშვებული და მოდელის დამაკმაყოფილებელი პარამეტრების აღმოჩენა ხდება ანალიზით, ზუსტი ურთიერთობის მისაცემად.
• წრფივი რეგრესია ხორციელდება რაოდენობრივი ცვლადებისთვის და შედეგად მიღებული ფუნქცია არის რაოდენობრივი.
• ლოჯისტიკურ რეგრესიაში გამოყენებული მონაცემები შეიძლება იყოს კატეგორიული ან რაოდენობრივი, მაგრამ შედეგი ყოველთვის კატეგორიულია.
