رگرسیون چندگانه چیست؟
رگرسیون چندگانه یک تکنیک تحلیل آماری است که برای درک رابطه بین یک متغیر وابسته و دو یا چند متغیر مستقل استفاده می‌شود. این روش اغلب در تحقیقات اجتماعی، اقتصادی، تجاری، بهداشتی، آموزشی و علوم داده مورد استفاده قرار می‌گیرد زیرا می‌تواند توضیح دهد که چگونه چندین عامل به طور جمعی بر یک نتیجه تأثیر می‌گذارند.
برای مثال، فرض کنید کسی می‌خواهد نمرات امتحان یک دانش‌آموز را پیش‌بینی کند. نمرات امتحان (متغیر وابسته) ممکن است تحت تأثیر ساعات مطالعه، حضور و غیاب و دسترسی به تدریس خصوصی (متغیرهای مستقل) قرار گیرد. رگرسیون چندگانه به پاسخ به سؤالاتی مانند موارد زیر کمک می‌کند: کدام عوامل بیشترین تأثیر را دارند؟ اگر ساعات مطالعه افزایش یابد، با ثابت نگه داشتن سایر عوامل، میانگین نمره امتحان چقدر افزایش می‌یابد؟
-
تعریف و هدف رگرسیون چندگانه
به زبان ساده، رگرسیون چندگانه اهداف زیر را دنبال می‌کند:
۱. مقدار متغیر وابسته را بر اساس چندین متغیر مستقل پیش‌بینی کنید.
۲. توضیح دهید که هر متغیر مستقل چقدر بر متغیر وابسته تأثیر دارد.
۳. سوگیری‌ای را که ممکن است در صورت استفاده تنها از یک متغیر مستقل ایجاد شود، کاهش می‌دهد، حتی اگر در واقعیت یک پدیده تحت تأثیر عوامل زیادی باشد.
۴. کنترل سایر متغیرها (کنترل) هنگام آزمایش تأثیر یک متغیر خاص.
در رگرسیون ساده ، ما فقط به رابطه یک عامل با یک نتیجه نگاه می‌کنیم. با این حال، در دنیای واقعی، اثرات اغلب همپوشانی دارند. اینجاست که رگرسیون چندگانه واقع‌بینانه‌تر می‌شود: این روش تلاش می‌کند با در نظر گرفتن متغیرهای زیاد به طور همزمان، «تصویر بزرگ» را ببیند.
-
فرم کلی معادله رگرسیون چندگانه
رگرسیون چندگانه معمولاً به صورت معادله زیر نوشته می‌شود:
Y = a + b1X1 + b2X2 + b3X3 + … + bnXn + e
شرح:
Y = متغیر وابسته (که قرار است توضیح داده شود/پیش‌بینی شود)
– a = ثابت (مقدار Y وقتی که همه Xها صفر هستند)
– b1، b2، …bn = ضرایب رگرسیون برای هر متغیر مستقل
– X1، X2، … Xn = متغیرهای مستقل
– e = خطا/باقیمانده (بخشی از تغییرات در Y که توسط مدل قابل توضیح نیست)
ضریب b مؤلفه‌ای است که بیشترین تفسیر را دارد. برای مثال، اگر b1 = 2,5 باشد، با فرض ثابت ماندن سایر متغیرهای مستقل، هر 1 واحد افزایش در X1، Y را 2,5 واحد افزایش می‌دهد. عبارت «ثابت بودن سایر عوامل» مهم است زیرا نشان‌دهنده یک ویژگی کلیدی رگرسیون چندگانه است: این عبارت اثر «جزئی» یک متغیر را اندازه‌گیری می‌کند.
-
مثالی از کاربرد رگرسیون چندگانه
برای ساده‌تر شدن موضوع، یک مثال ساده در دنیای تجارت ارائه می‌دهیم. برای مثال، یک شرکت می‌خواهد عواملی را که بر فروش محصول (Y) تأثیر می‌گذارند، بداند. جمع‌آوری داده‌ها:
– X1 = هزینه‌های تبلیغات (به میلیون روپیه)
– X2 = قیمت محصول (به هزار روپیه)
– X3 = تعداد فروشندگان فعال
نتایج تحلیل، معادله زیر را تولید می‌کند:
فروش = ۱۰۰ + ۸X۱ – ۵X۲ + ۱۲X۳
تفسیر:
– ثابت ۱۰۰: وقتی هزینه‌های تبلیغات، قیمت‌ها و فروشندگان ۰ در نظر گرفته شوند، فروش ۱۰۰ واحد تخمین زده می‌شود (این فقط یک تفسیر ریاضی است، گاهی اوقات در واقعیت منطقی نیست).
– ۸X۱: تخمین زده می‌شود که هر ۱ میلیون هزینه تبلیغات اضافی، در صورت ثابت ماندن قیمت و نمایندگی فروش، فروش را ۸ واحد افزایش می‌دهد.
– -5X2: تخمین زده می‌شود که هر 1 روپیه افزایش قیمت، در صورت ثابت ماندن سایر متغیرها، 5 واحد از فروش را کاهش دهد.
– ۱۲X۳: هر ۱ فروشنده فعال اضافی، در صورت ثابت ماندن سایر متغیرها، فروش را ۱۲ واحد افزایش می‌دهد.
با این مدل، شرکت‌ها می‌توانند سیاست‌هایی ایجاد کنند: برای مثال، تعیین ترکیب تبلیغات، قیمت‌ها و تعداد فروشندگان برای دستیابی به اهداف فروش.
-
چه زمانی استفاده از رگرسیون چندگانه مناسب است؟
رگرسیون چندگانه برای استفاده در موارد زیر مناسب است:
۱. شما یک نتیجه اصلی دارید که می‌خواهید پیش‌بینی کنید (Y).
۲. بیش از یک عامل وجود دارد که گمان می‌رود بر نتیجه تأثیر بگذارد (X).
۳. داده‌ها در مقیاس عددی هستند یا می‌توانند به شکل عددی تبدیل شوند (برای مثال، دسته‌ها به مقادیر مجازی تبدیل می‌شوند).
این روش همچنین می‌تواند برای «آزمون نظریه‌ها» در تحقیقات مورد استفاده قرار گیرد، برای مثال، اینکه آیا تأثیر تحصیلات بر درآمد پس از کنترل تجربه کاری و محل سکونت هنوز قابل توجه است یا خیر.
-
فرضیات مهم در رگرسیون چندگانه
برای اینکه نتایج معتبر باشند، رگرسیون چندگانه چندین فرض دارد که باید در نظر گرفته شوند:
۵. خطوط خطی
رابطه بین متغیرهای مستقل و وابسته خطی فرض می‌شود. اگر رابطه واقعی منحنی (غیرخطی) باشد، مدل خطی ممکن است دقت کمتری داشته باشد.
۲. هیچ همخطی چندگانه‌ی بالایی وجود ندارد
متغیرهای مستقل نباید همبستگی خیلی قوی داشته باشند. اگر X1 و X2 تقریباً یکسان باشند، تفکیک اثرات مربوط به آنها دشوار خواهد بود.
۳. همسانی واریانس
انتظار می‌رود واریانس باقیمانده در تمام مقادیر پیش‌بینی‌شده نسبتاً ثابت باشد. اگر باقیمانده در یک مقدار خاص بزرگتر شود (ناهمواریانسی)، تخمین ممکن است کارایی کمتری داشته باشد.
۴. نرمال بودن باقیمانده‌ها (اغلب مطلوب)
باقیمانده‌ها باید تقریباً دارای توزیع نرمال باشند، به خصوص برای اهداف ... آزمون اهمیت.
۵. استقلال خطاها
خطاهای بین مشاهدات نباید همبستگی داشته باشند. این مشکل اغلب در داده‌های سری زمانی ایجاد می‌شود.
بررسی فرضیات معمولاً از طریق نمودارهای باقیمانده، آزمون‌های آماری (مثلاً VIF برای همخطی چندگانه) و سایر تحلیل‌های تشخیصی انجام می‌شود.
-
اندازه‌گیری کیفیت مدل: R² و آزمون‌های معناداری
در رگرسیون چندگانه، از چندین شاخص رایج استفاده می‌شود:
– R² (ضریب تعیین)
نسبت تغییرات در Y را که توسط مدل قابل توضیح است نشان می‌دهد. مقادیر R² از 0 تا 1 متغیر است. هرچه R² بزرگتر باشد، متغیر مستقل تغییرات بیشتری را توضیح می‌دهد. با این حال، R² بزرگ به طور خودکار به معنای "صحیح" بودن مدل نیست؛ ممکن است بیش‌برازش رخ دهد.
– R² تعدیل‌شده
نسخه‌ای از R² که تعداد متغیرهای مستقل را در نظر می‌گیرد. این به مقایسه مدل‌ها با تعداد متغیرهای مختلف کمک می‌کند.
– آزمون F (همزمان)
بررسی اینکه آیا متغیرهای مستقل با هم تأثیر معناداری بر Y دارند یا خیر.
– آزمون t (جزئی)
آزمون کنید که آیا هر ضریب (b1، b2 و غیره) از نظر آماری معنادار است یا خیر.
با این آزمون، محققان می‌توانند ارزیابی کنند که آیا مدل مفید است و کدام متغیرها واقعاً در آن نقش دارند.
-
مزایا و محدودیت‌های رگرسیون چندگانه
کلیبیان
- واقع‌بینانه‌تر است زیرا عوامل زیادی را به طور همزمان در نظر می‌گیرد.
- می‌تواند برای پیش‌بینی و توضیح استفاده شود.
– امکان تحلیل اثرات جزئی (کنترل سایر متغیرها) را فراهم می‌کند.
- این اساس بسیاری از روش‌های پیشرفته در ... است. آمار و یادگیری ماشین.
محدودیت‌ها
- مستعد همخطی چندگانه.
- اگر فرضیات رعایت نشوند، نتایج می‌توانند گمراه‌کننده باشند.
– به طور خودکار رابطه علی را نشان نمی‌دهد؛ رگرسیون ارتباط را نشان می‌دهد و علیت نیاز به یک طرح تحقیقاتی قوی دارد.
اگر تعداد متغیرها در مقایسه با مقدار داده‌ها زیاد باشد، ممکن است بیش‌برازش رخ دهد.
-
بستن
رگرسیون چندگانه یک ابزار آماری مهم برای تحلیل رابطه بین یک متغیر وابسته و چندین متغیر مستقل است. این روش با استفاده از یک معادله نسبتاً ساده، به محققان و متخصصان کمک می‌کند تا عوامل تأثیرگذار را درک کنند، قدرت نفوذ هر متغیر را اندازه‌گیری کنند و پیش‌بینی‌های دقیق‌تری نسبت به استفاده از یک عامل واحد به تنهایی انجام دهند.
با این حال، رگرسیون چندگانه یک «ابزار جادویی» نیست. این روش برای اطمینان از تفسیر دقیق، به داده‌های با کیفیت خوب، انتخاب متغیر معقول و بررسی فرضیات نیاز دارد. در صورت استفاده مناسب، رگرسیون چندگانه می‌تواند پایه محکمی برای تصمیم‌گیری مبتنی بر داده در زمینه‌های مختلف فراهم کند.
اگر مایل باشید، می‌توانم به شما در ایجاد نسخه‌ای از این مقاله برای یک زمینه خاص (مثلاً برای پایان‌نامه، تجارت یا برای خوانندگان دبیرستانی) به همراه مثال‌های محاسباتی ساده و نحوه خواندن خروجی SPSS/Excel/R کمک کنم.
