Модель регрессии - это математическая модель, которая пытается определить взаимосвязь между зависимой переменной (Y) по отношению к другим переменным, называемым объясняющими или независимыми (X).
Модель регрессии часто используется в социальных науках, чтобы определить, существует ли причинно-следственная связь между зависимой переменной (Y) и набором других объясняющих переменных (X). Аналогичным образом, модель пытается определить, какое влияние на переменную Y окажет в случае изменения независимых переменных (X).
Так, например, экономиста может заинтересовать определение взаимосвязи между доходом работников и их уровнем образования. Для этого я мог бы провести регрессионную модель, в которой независимой переменной (Y) будет доход работника. Что касается объясняющих переменных (X), следует включить все те, которые могут объяснить доход, среди которых, конечно же, образование, опыт, образование родителей и т. Д.
Регрессионный анализФорма регрессионной модели
Модель простой регрессии имеет следующий вид:
Y = A + BX + и
Y = зависимая или эндогенная переменная
X = независимая или независимая переменная
A, B = фиксированные и неизвестные параметры
u = член ошибки, включающий все другие факторы, влияющие на Y, но не включенные в модель. Вы также можете зафиксировать ошибки оценки зависимой переменной. Не наблюдается.
Затем целью регрессионной модели будет оценка значений A и B по выборке.
Значение переменных
Параметр B должен отражать влияние изменения X на переменную Y, когда остальные независимые переменные остаются постоянными (при прочих равных).
Между тем, параметр A вообще не влияет на соотношение между Y и X. Следовательно, это всего лишь нормализация, в которой предполагается, что среднее значение u будет равно нулю.
Например, модель линейной регрессии может быть нарисована следующим образом:
