250
Завершение анализа и выход из программы
Команда
Линейная регрессия
позволяет выполнять как простой, так и множествен-
ный регрессионный анализ. Простой регрессионный анализ обсуждается в этой
главе, а множественный — в следующей. Такое разбиение одного статистического
раздела было сделано нами в целях упрощения изложения материала, касающегося
основ регрессионного анализа. Если вы не знакомы с множественным регрессион-
ным анализом, эта глава послужит введением. Мы рассмотрим такие понятия, как
прогнозируемые значения зависимой переменной и уравнение регрессии, пока-
жем связь между простой регрессией и корреляцией двух переменных, рассмотрим
влияние одной переменной на дисперсию другой, а также ознакомимся с оценкой
криволинейности связи двух переменных.
Простая регрессия
Зачастую, имея информацию об одной характеристике объекта, мы пытаемся на
основе этой информации делать выводы о другой его характеристике, связанной
с исходной. Например, если мы знаем рост человека, мы могли бы попытаться оце-
нить его возможный вес. Например, зная, что человек имеет рост 214 см, с опреде-
ленной вероятностью мы можем прогнозировать, что вес этого человека превысит
91 кг. Можно привести множество пар связанных между собой величин: коэффи-
циент интеллекта (IQ) и академическая успеваемость, число сокращений мышц
ног в секунду и скорость бега, калорийность пищи и вес, симпатия к человеку
и желание оказать ему помощь и т. д. Каждый день мы оцениваем связи различных
факторов между собой. Именно на проведение таких оценок и нацелена простая
регрессия. Этот метод не может дать абсолютно достоверного результата, однако
способен ответить на вопрос о связи переменных, а также по заданному значению
одной переменной рассчитать наиболее вероятное значение другой переменной.
|