3. Mikä on moninkertainen regressio
Monimuuttujainen regressio on tilastollinen analyysitekniikka, jota käytetään ymmärtämään yhden riippuvan muuttujan ja kahden tai useamman riippumattoman muuttujan välistä suhdetta. Tätä menetelmää käytetään usein yhteiskunta-, talous-, liike-elämän, terveydenhuollon, koulutuksen ja datatieteen tutkimuksessa, koska se voi selittää, miten useat tekijät yhdessä vaikuttavat lopputulokseen.
Oletetaan esimerkiksi, että joku haluaa ennustaa opiskelijan koetulokset. Koetuloksiin (riippuva muuttuja) voivat vaikuttaa opiskelutunnit, läsnäolo ja yksityisopetuksen saatavuus (riippumattomat muuttujat). Monimuuttujainen regressio auttaa vastaamaan kysymyksiin, kuten: Mitkä tekijät ovat vaikutusvaltaisimpia? Jos opiskelutunnit lisääntyvät, kuinka paljon keskimääräinen koetulokset kasvavat, kun muut tekijät pysyvät vakioina?
-
Usean regression määritelmä ja tarkoitus
Yksinkertaisesti sanottuna moninkertaisen regression tavoitteena on:
1. Ennusta riippuvan muuttujan arvo useiden riippumattomien muuttujien perusteella.
2. Selitä, kuinka paljon kukin riippumaton muuttuja vaikuttaa riippuvaan muuttujaan.
3. Vähentää harhaa, jota voi syntyä, jos käytämme vain yhtä riippumatonta muuttujaa, vaikka todellisuudessa ilmiöön vaikuttavat monet tekijät.
4. Muiden muuttujien hallinta (kontrolli) testattaessa tietyn muuttujan vaikutusta.
Yksinkertaisessa regressiossa tarkastelemme vain yhden tekijän suhdetta lopputulokseen. Todellisessa maailmassa vaikutukset kuitenkin usein menevät päällekkäin. Tässä kohtaa moninkertaisesta regressiosta tulee realistisempi: se pyrkii näkemään "kokonaiskuvan" ottamalla mukaan useita muuttujia kerralla.
-
Usean regressioyhtälön yleinen muoto
Usean muuttujan regressio kirjoitetaan yleensä yhtälönä:
Y = a + b1X1 + b2X2 + b3X3 + … + bnXn + e
Tiedot:
– Y = riippuva muuttuja (joka on selitettävä/ennustettava)
– a = vakio (Y:n arvo, kun kaikki X:t ovat 0)
– b1, b2, … bn = kunkin riippumattoman muuttujan regressiokertoimet
– X1, X2, … Xn = riippumattomat muuttujat
– e = virhe/jäännös (Y:n vaihtelun osa, jota malli ei pysty selittämään)
Kerroin b on useimmin tulkittu komponentti. Esimerkiksi jos b1 = 2,5, niin jokainen yhden yksikön lisäys X1:ssä kasvattaa Y:tä 2,5:llä olettaen, että muut riippumattomat muuttujat pysyvät vakioina. Ilmaus "kaikki muu pysyy vakiona" on tärkeä, koska se edustaa moninkertaisen regression keskeistä ominaisuutta: se mittaa muuttujan "osittaista" vaikutusta.
-
Esimerkki moninkertaisen regression sovelluksesta
Helpottaaksemme asiaa, tässä on yksinkertainen liiketoimintaesimerkki. Oletetaan, että yritys haluaa tietää tekijät, jotka vaikuttavat tuotteiden myyntiin (Y). Yritys kerää tietoja:
– X1 = mainoskulut (miljoonia rupiaa)
– X2 = tuotteen hinta (tuhansissa rupioissa)
– X3 = aktiivisten jälleenmyyjien lukumäärä
Analyysin tulokset tuottavat yhtälön:
Myynti = 100 + 8X1 – 5X2 + 12X3
Tulkinta:
– Vakio 100: kun mainoskulut, hinnat ja jälleenmyyjät oletetaan nollaksi, myynnin arvioidaan olevan 100 yksikköä (tämä on vain matemaattinen tulkinta, joskus se ei ole järkevää todellisuudessa).
– 8X1: jokaisen lisätyn miljoonan mainoskulun arvioidaan lisäävän myyntiä 8 yksiköllä, jos hinta ja jälleenmyyjä pysyvät samoina.
– -5X2: jokaisen tuhannen rupian hinnannousun arvioidaan vähentävän myyntiä 5 yksiköllä, jos muut muuttujat pysyvät vakioina.
– 12X3: jokainen yksi aktiivinen jälleenmyyjä lisää myyntiä 12 yksiköllä, jos muut muuttujat pysyvät vakioina.
Tämän mallin avulla yritykset voivat luoda käytäntöjä: esimerkiksi määrittää mainonnan, hintojen ja jälleenmyyjien määrän yhdistelmän myyntitavoitteiden saavuttamiseksi.
-
Milloin moninkertaisen regression käyttö on tarkoituksenmukaista?
Moniregressiomenetelmä soveltuu käytettäväksi, kun:
1. Haluat ennustaa yhden päätuloksen (Y).
2. On olemassa useampi kuin yksi tekijä, jonka epäillään vaikuttavan lopputulokseen (X).
3. Data on numeerisella asteikolla tai se voidaan muuttaa numeeriseen muotoon (esimerkiksi kategoriat muutetaan dummyiksi).
Tätä menetelmää voidaan käyttää myös teorioiden ”testaamiseen” tutkimuksessa, esimerkiksi sen selvittämiseen, onko koulutuksen vaikutus tuloihin edelleen merkittävä työkokemuksen ja asuinpaikan huomioon ottamisen jälkeen.
-
Tärkeitä oletuksia moninkertaisessa regressiossa
Jotta tulokset olisivat päteviä, moninkertaisessa regressiossa on useita oletuksia, jotka on otettava huomioon:
1. Lineaarisuus
Riippumattomien ja riippuvien muuttujien välisen suhteen oletetaan olevan lineaarinen. Jos todellinen suhde on kaareva (epälineaarinen), lineaarinen malli voi olla epätarkempi.
2. Ei ole korkeaa multikollineaarisuutta
Riippumattomien muuttujien ei tulisi korreloida liian voimakkaasti. Jos X1 ja X2 ovat lähes identtiset, niiden vaikutusten erottaminen toisistaan on vaikeaa.
3. Homoskedastisuus
Jäännösvarianssin odotetaan olevan suhteellisen vakio kaikilla ennustetuilla arvoilla. Jos jäännös kasvaa tietyllä arvolla (heteroskedastisuus), arviointi voi olla tehottomampi.
4. Residuaalien normaalius (usein toivottu)
Jäännösten tulisi olla suunnilleen normaalijakauman mukaisia, erityisesti merkitsevyystestausta varten.
5. Virheiden riippumattomuus
Havaintojen välisten virheiden ei pitäisi olla korreloituneita. Tämä ongelma esiintyy usein aikasarjadatassa.
Oletusten tarkistaminen tehdään yleensä jäännösgraafien, tilastollisten testien (esim. VIF multikollineaarisuuden osalta) ja muiden diagnostisten analyysien avulla.
-
Mallin laadun mittaaminen: R²- ja merkitsevyystestit
Moniregressiossa käytetään useita yleisiä indikaattoreita:
– R² (määrityskerroin)
Näyttää Y:n vaihtelun osuuden, jonka malli voi selittää. R²-arvot vaihtelevat välillä 0–1. Mitä suurempi R² on, sitä enemmän vaihtelua riippumaton muuttuja selittää. Suuri R² ei kuitenkaan automaattisesti tarkoita, että malli on "oikea"; ylisovitusta voi esiintyä.
– Oikaistu R²
R²:n versio, joka ottaa huomioon riippumattomien muuttujien määrän. Tämä auttaa vertailemaan malleja, joissa on eri määriä muuttujia.
– F-testi (samanaikainen)
Testataan, onko riippumattomilla muuttujilla yhdessä merkitsevä vaikutus Y:hen.
– t-testi (osittainen)
Testaa, onko kukin kerroin (b1, b2 jne.) tilastollisesti merkitsevä.
Tämän testin avulla tutkijat voivat arvioida, onko malli hyödyllinen ja mitkä muuttujat todellisuudessa vaikuttavat siihen.
-
Moniregression edut ja rajoitukset
Ylimääräinen
– Realistisempi, koska se ottaa huomioon monta tekijää kerralla.
– Voidaan käyttää ennustamiseen ja selittämiseen.
– Mahdollistaa osittaisvaikutusanalyysin (muiden muuttujien hallinta).
– Se on perusta monille edistyneille menetelmille tilastotieteessä ja koneoppimisessa.
Keterbatasan
– Altis multikollineaarisuudelle.
– Tulokset voivat olla harhaanjohtavia, jos oletukset eivät täyty.
– Ei automaattisesti osoita syy-seuraussuhdetta; regressio osoittaa yhteyttä, ja syy-seuraussuhde vaatii vahvan tutkimusasetelman.
– Ylisovitusta voi tapahtua, jos muuttujia on liikaa datan määrään nähden.
-
Sulkeminen
Monimuuttujainen regressio on tärkeä tilastollinen työkalu yhden riippuvan muuttujan ja useiden riippumattomien muuttujien välisen suhteen analysointiin. Suhteellisen yksinkertaisen yhtälön avulla tämä menetelmä auttaa tutkijoita ja ammattilaisia ymmärtämään vaikuttavia tekijöitä, mittaamaan kunkin muuttujan vaikutuksen voimakkuutta ja tekemään tarkempia ennusteita kuin käyttämällä vain yhtä tekijää.
Monimuuttujainen regressio ei kuitenkaan ole "taikatyökalu". Se vaatii hyvää datan laatua, kohtuullista muuttujien valintaa ja oletusten tarkistamista tarkan tulkinnan varmistamiseksi. Oikein käytettynä monimuuttujainen regressio voi tarjota vankan perustan datalähtöiselle päätöksenteolle useilla eri aloilla.
Jos haluat, voin auttaa sinua luomaan tästä artikkelista version tiettyyn kontekstiin (esim. opinnäytetyötä, liiketoimintaa tai lukiolaisia varten) yksinkertaisine laskuesimerkkeineen ja ohjeineen SPSS/Excel/R-tulosteiden lukemiseen.
