לינעאַרע רעגרעסיע אין סטאַטיסטיק
לינעאַרע רעגרעסיע איז איינע פון די מערסט פונדאַמענטאַלע און ברייט גענוצטע סטאַטיסטישע טעקניקס אין דאַטן אַנאַליז. עס העלפֿט אונדז פֿאַרשטיין און מאָדעלירן די באַציִונג צווישן אומאָפּהענגיקע (אָדער פּרעדיקטאָר) און אָפּהענגיקע (אָדער רעספּאָנס) וועריאַבלען. לינעאַרע רעגרעסיע איז פּאָפּולער אין אַ פאַרשיידנקייט פון פעלדער, אַרייַנגערעכנט עקאָנאָמיק, ביאָלאָגיע, אינזשעניריע, די געזעלשאַפטלעכע וויסנשאַפֿטן, און מער, צוליב איר פּשוטקייט און אינטערפּרעטירבאַרקייט.
הקדמה צו לינעאַר רעגרעסיע
לינעאַרע רעגרעסיע צילט צו געפֿינען אַ לינעאַרע באַציִונג צווישן צוויי אָדער מער וועריאַבאַלן. אין איר פּשוטסטער פֿאָרעם - פּשוטע לינעאַרע רעגרעסיע - מאָדעלירן מיר די באַציִונג צווישן איין אומאָפּהענגיקער וועריאַבאַל און איין אָפּהענגיקער וועריאַבאַל ווי אַ גלייכע ליניע. די גרונטלעכע מאַטעמאַטישע גלייכונג פֿאַר פּשוטע לינעאַרע רעגרעסיע ווערט אויסגעדריקט ווי:
[Y = β₀ + β₁X + β₂]
וואו:
– \$ Y \$$ איז די אפהענגיקע אדער רעאקציע וועריאַבל.
– \$ X \$$ איז די אומאפהענגיקע אדער פאראויסזאגער וועריאַבל.
– \$ \beta_0 \$$ איז דער אינטערסעפּשאַן (דער פונקט וואו די רעגרעסיע ליניע שניידט די Y-אַקס).
– \$ \beta_1 \$$ איז די שיפּוע (נייגונג פון דער רעגרעסיע ליניע).
– \$ \epsilon \$$ איז דער טעות (רעזידועל) וואָס באַשרײַבט די אָפּנייגונג פֿון די דאַטן פֿון דער בעסטער פּאַסיקער ליניע.
אין מערפאכיגער לינעארער רעגרעסיע, פארברייטערן מיר דעם קאנצעפט צו האנדלען מיט מער ווי איין אומאפהענגיקע וועריאבל, ווי פאלגנד:
[Y = β₀ + β₁X₁ + β₂X₂ + … + β₆X₀ + עפּסילאָן]
דאָ, √X₁, X₂, …, Xₙ זענען די אומאָפּהענגיקע וועריאַבלען, און √β₁, β₂, …, βₙ זענען די רעגרעסיע קאָעפֿיציענטן וואָס מעסטן דעם ווירקונג פֿון יעדער אומאָפּהענגיקער וועריאַבלע אויף דער אָפּהענגיקער וועריאַבלע.
פּאַראַמעטער שאַצונג
פּאַראַמעטער שאַצונג אין לינעאַר רעגרעסיע ווערט געוויינטלעך דורכגעפירט מיט געוויינטלעכע קלענסטע קוואַדראַטן (OLS). די מעטאָדע מינימיזירט די סומע פון די קוואַדראַטן פון די דיפערענצן צווישן פאָרויסגעזאָגטע און פאַקטישע ווערטן. מאַטעמאַטיש, געפינט די OLS מעטאָדע די קאָעפֿיציענטן β וואָס מינימיזירן די פאלגענדע פֿונקציע:
[ \sum_{i=1}^{n} (Y_i – (β_0 + β_1X_{i1} + β_2X_{i2} + … + β_nX_{in}))^2 \]
די מינימיזאציע פראצעס פראדוצירט די קאעפיציענטן וואס פאסן בעסטן צו די פארהאן דאטן, געבענדיג א רעגרעסיע ליניע וואס מינימיזירט די גאנצע קוואדראטישע טעות.
לינעאַרע רעגרעסיע אַסאַמפּשאַנז
פֿאַר ריכטיק נוצן און פאַרלעסלעכקייט פון רעזולטאַטן, לינעאַר רעגרעסיע האט עטלעכע אַסאַמפּשאַנז וואָס מוזן זיין באגעגנט:
1. לינעאַריטעט: די באַציִונג צווישן אומאָפּהענגיקע און אָפּהענגיקע וועריאַבלען איז לינעאַר.
2. אומאפהענגיקייט: רעזידועלן (ערראָרס) זענען אומאפהענגיק איינער פון דעם אנדערן.
3. האָמאָסעדאַסטיסיטי: די רעזידועלע וואַריאַנס איז קאָנסטאַנט פֿאַר אַלע ווערטן פון דער אומאָפּהענגיקער וואַריאַבלע.
4. נאָרמאַליטעט: רעזידואַלן נאָכפאָלגן אַ נאָרמאַלע פאַרשפּרייטונג.
אויב די הנחות ווערן פארלעצט, קענען רעגרעסיע רעזולטאטן זיין אומגילטיק און פארפירעריש. דעריבער איז וויכטיג צו באשטעטיגן די הנחות דורך רעגרעסיע דיאַגנאָסטיקס איידער מען מאַכט מסקנות.
באַניץ און אַפּליקאַציע
לינעאַרע רעגרעסיע ווערט ברייט גענוצט צוליב איר פּשוטקייט און פילזײַטיקייט. דאָ זענען עטלעכע ביישפילן פון אַפּליקאַציעס אין פֿאַרשידענע פֿעלדער:
1. עקאנאמיק: פארבינדן דעם פרייז פון סחורות מיט פאקטארן ווי פראדוקציע קאסטן, מארקעט נאכפראגע, און אנדערע.
2. פינאַנץ: מאָדעלירן אַקציע צוריקקער באזירט אויף ריזיקע אָדער עקאָנאָמישע פאַקטאָרן.
3. ביאלאגיע: אויספארשט די באציאונג צווישן דער דאזע פון א באשטימטער מעדיצין און איר מדרגה פון עפעקטיווקייט.
4. סאציאל: אנאליזירן די באציאונג צווישן בילדונג און איינקונפט.
דערצו, לינעארע רעגרעסיע ווערט אָפט גענוצט אין דאַטן פאָרויסזאָגן אָדער פּראָגנאָז. דורך אַנאַליזירן טרענדס אין היסטאָרישע דאַטן, קען לינעארע רעגרעסיע ווערן גענוצט צו פאָרויסזאָגן צוקונפֿטיקע ווערטן.
מאָדעל עוואַלואַציע
לינעאַר רעגרעסיע מאָדעל עוואַלואַציע ווערט דורכגעפירט צו זיכער מאַכן אַז דער מאָדעל איז גענוג און דערקלערט די דאַטן גענוג. עטלעכע מעטריקס ווערן אָפט געניצט אין דעם מאָדעל עוואַלואַציע, אַרייַנגערעכנט:
– R-קוואַדראַט (R^2): מעסט דעם פּראָפּאָרציע פון גאַנצער וועריאַביליטי אין דער אָפּהענגיקער וועריאַבל וואָס ווערט דערקלערט דורך דעם רעגרעסיע מאָדעל. R^2 ווערטן זענען צווישן 0 און 1, מיט העכערע ווערטן וואָס ווײַזן אויף אַ בעסערן מאָדעל.
– אַדזשאַסטיד R-קוואַדראַט: קאָריגירט R-קוואַדראַט באַזירט אויף דער צאָל פון אומאָפּהענגיקע וועריאַבאַלן געניצט, F-סטאַטיסטיק ווערט אָפט געניצט צו באַשטימען די אַלגעמיינע באַדייַטיקייט פון דעם מאָדעל.
– דורכשניטלעכע קוואדראטישע טעות (MSE): דער דורכשניט פון די קוואדראטישע אונטערשיידן צווישן די פאקטישע און פאראויסגעזאגטע ווערטן.
דיאַגנאָסטיק און וואַלידאַציע
איידער מען ניצט א רעגרעסיע מאָדעל פאר פאָרויסזאָגן אדער ווייטערדיקע באַשלוסן, איז וויכטיק דורכצופירן רעגרעסיע דיאַגנאָסטיקס. עטלעכע געוויינטלעכע דיאַגנאָסטישע טעקניקס אַרייַננעמען:
1. רעזידועל פלאָט: אָפּשאַצן לינעאַריטעט און האָמאָסקעדאַסטיסיטי.
2. QQ פּלאָט: אָפּשאַצן די נאָרמאַליטעט פון רעזידואַלן.
3. דורבין-וואטסאָן טעסט: טעסטירט רעזידועלע אויטאָקאָרעלאַציע.
4. וואַריאַנס אינפלאַציע פאַקטאָר (VIF): אידענטיפיצירן מולטיקאָלינעאַריטעט צווישן אומאָפּהענגיקע וואַריאַבלען.
די נוצן פון די דיאַגנאָסטיקס העלפט אידענטיפיצירן פּאָטענציעלע פּראָבלעמען און ערלויבט ניצערס צו מאַכן נייטיק אַדזשאַסטמאַנץ אָדער דאַטן טראַנספאָרמאַציעס.
פראבלעמען און באגרענעצונגען
כאָטש לינעאַרע רעגרעסיע איז אַ שטאַרק געצייַג, האט עס אויך לימיטאַציעס. עטלעכע געוויינטלעכע פּראָבלעמען אַרייַננעמען:
– מולטיקאָלינעאַריטעט: פּאַסירט ווען אומאָפּהענגיקע וועריאַבלען זענען שטאַרק קאָרעלירט מיט יעדן אַנדערן. דאָס קען פירן צו נישט-סטאַבילע קאָעפיציענט שאַצונגען און צעמישטע אינטערפּרעטאַציעס.
– אויסנאַם־ווערטן: עקסטרעמע דאַטן־ווערטן קענען פֿאַרדרייען רעגרעסיע־רעזולטאַטן.
– נישט-לינעאַריטעט: אויב די באַציִונג צווישן וועריאַבלען איז נישט-לינעאַר, קען לינעאַרע רעגרעסיע זיין ווייניקער פּאַסיק. אַ נישט-לינעאַר מאָדעל קען זיין מער פּאַסיק אין עטלעכע פאַלן.
– העטעראָסקעדאַסטיסיטי: ענדערונגען אין רעזידועל וועריאַביליטי קען פירן צו נישט עפעקטיווע קאָעפיציענט עסטאַמאַץ.
קעסימפּולאַן
לינעאַרע רעגרעסיע איז אַ וויכטיקע סטאַטיסטישע טעכניק אין דאַטן אַנאַליז. ניצנדיק לינעאַרע רעגרעסיע, קענען מיר פֿאַרשטיין און מאָדעלירן די באַציִונג צווישן איין אָדער מער אומאָפּהענגיקע וועריאַבלען און אַ אָפּהענגיקע וועריאַבלע. כאָטש לינעאַרע רעגרעסיע איז אַ פּשוט און גרינג-צו-אינטערפּרעטירן געצייַג, איז וויכטיק צו שטענדיק קאָנטראָלירן די אונטערלייגנדיקע הנחות און דורכפירן רעגרעסיע דיאַגנאָסטיקס צו ענשור גילטיקע רעזולטאַטן. טראָץ עטלעכע לימיטאַציעס, מיט די ריכטיקע צוגאַנג און אַדזשאַסטמאַנץ, בלייבט לינעאַרע רעגרעסיע אַ זייער נוציקע מעטאָדע אין פילע פּראַקטישע אַפּליקאַציעס אין אַ ברייט קייט פון פעלדער.
