לינעאַרע רעגרעסיע אין סטאַטיסטיק: פֿאַרשטיין די יסודות און אַפּליקאַציעס
אין דער וועלט פון סטאַטיסטיק, איינע פון די מערסט יסודות'דיגע און ברייט גענוצטע מכשירים איז לינעאַרע רעגרעסיע. די שטאַרקע סטאַטיסטישע מעטאָדע דערמעגלעכט פאָרשער, דאַטן וויסנשאַפֿטלער און אַנאַליסטן צו פֿאַרשטיין, מאָדעלירן און פאָרויסזאָגן די באַציִונגען צווישן וועריאַבאַלן. די נוצלעכקייט פון לינעאַרע רעגרעסיע שפּאַנט זיך אין פֿאַרשידענע פֿעלדער, אַרייַנגערעכנט עקאָנאָמיק, ביאָלאָגיע, אינזשעניריע, געזעלשאַפֿטלעכע וויסנשאַפֿטן און מער. דער אַרטיקל פֿאַרטיפֿט זיך אין דעם באַגריף פֿון לינעאַרע רעגרעסיע, אירע מאַטעמאַטישע יסודות, שליסל הנחות און פּראַקטישע אַפּליקאַציעס.
וואָס איז לינעאַר רעגרעססיאָן?
לינעאַרע רעגרעסיע איז אַ סטאַטיסטישע טעכניק וואָס מאָדעלירט די באַציִונג צווישן צוויי וועריאַבלען דורך צופּאַסן אַ לינעאַרע גלייכונג צו באַאָבאַכטע דאַטן. דער טערמין "לינעאַר" באַדייט אַז די באַציִונג צווישן דער אומאָפּהענגיקער וועריאַבלע (פּרעדיקטאָר) און דער אָפּהענגיקער וועריאַבלע (רעספּאָנס) קען רעפּרעזענטירט ווערן דורך אַ גלייכער ליניע.
די פשוטסטע פאָרעם פון לינעאַר רעגרעסיע נעמט אריין צוויי וועריאַבאַלן. דאָס איז באַקאַנט ווי פּשוטע לינעאַרע רעגרעסיע, וואו דער מאָדעל קען אויסגעדריקט ווערן אין דער פאלגענדער פאָרעם:
[y = β₁ + β₁x + β₂]
דאָ:
– \(y \) איז די אפהענגיקע וועריאַבל.
– \(x \) איז די אומאפהענגיקע וועריאַבל.
– \( \β_0 \) (אינטערסעפּט) און \( \β_1 \) (שיפּוע) זענען די קאָעפֿיציענטן אין דעם מאָדעל.
– \( \epsilon \) רעפּרעזענטירט דעם טעות טערמין, רעכענענדיק מיט דער וואַריאַנס אין \(y \) וואָס קען נישט דערקלערט ווערן דורך \(x \).
מאַטאַמאַטיקאַל יסוד
קלענסטע קוואַדראַטן מעטאָד
כדי צו באַשטימען די בעסטע ליניע, איז די מערסט גענוצטע מעטאָדע דער קלענסטע קוואַדראַטן קריטעריאָן. דער צוגאַנג מינימיזירט די סומע פון די קוואַדראַטישע אונטערשיידן צווישן באַאָבאַכטע ווערטן און די ווערטן פאָרויסגעזאָגט דורך דעם לינעאַרן מאָדעל. די חשבונות אַרייַננעמען סאָלווינג פֿאַר די קאָעפֿיציענטן β₁ און β₁:
[β1 = (x_i – x)(y_i – y)}{(x_i – x)^2)]
\[ \beta_0 = \באַר{י} - \beta_1 \באַר{קס} \]
וואו \( \bar{x} \) און \( \bar{y} \) זענען די מיטלען פון די אומאפהענגיקע און אפהענגיקע וועריאַבלען, בהתאמה. אַמאָל די קאָעפֿיציענטן זענען קאַלקולירט, קען מען נוצן די לינעאַרע גלייכונג צו פאָרויסזאָגן די אפהענגיקע וועריאַבלע פֿאַר נייַע, אומבאַקאַנטע ווערטן פון דעם פאָרויסזאָגער.
הנחות פון לינעאַר רעגרעסיע
כּדי לינעאַרע רעגרעסיע זאָל פּראָדוצירן פאַרלעסלעכע און גילטיקע רעזולטאַטן, מוזן געוויסע הנחות זיין דערפילט:
1. לינעאַריטעט: די באַציִונג צווישן די אומאָפּהענגיקע און אָפּהענגיקע וועריאַבלען זאָל זיין לינעאַר.
2. אומאפהענגיקייט: אבזערוואציעס זאלן זיין אומאפהענגיק איינע פון די אנדערע.
3. האָמאָסקעדאַסטיסיטי: די רעזידואַלן (די אונטערשיידן צווישן באמערקטע און פאָרויסגעזאָגטע ווערטן) זאָלן האָבן אַ קאָנסטאַנטע וואַריאַנס.
4. נאָרמאַליטעט: די רעזידוען זאָלן זיין אַפּראָקסימאַטלי נאָרמאַל פאַרשפּרייט.
5. קיין מולטיקאָלינעאַריטעט: אין פאַלן פון קייפל לינעאַרע רעגרעסיע (מער ווי איין פּרעדיקטאָר), זאָלן די אומאָפּהענגיקע וועריאַבאַלן נישט זיין העכסט קאָרעלירט.
פארלעצונגען פון די הנחות קענען פירן צו אומפארלעסלעכע אדער אומפארלעסלעכע שאצונגען. דעריבער, איז קריטיש צו דיאגנאזירן און אדרעסירן יעדע פארלעצונג איידער מען ציט מסקנות פון די רעגרעסיע מאָדעל.
קייפל לינעאַר רעגרעססיאָן
גייענדיג ווייטער פון פשוטע לינעארע רעגרעסיע, ווען עס זענען פארמישט קייפל פאראויסזאגער, איז די מעטאד באקאנט אלס קייפל לינעארע רעגרעסיע. דאס מאדעל ווערט רעפרעזענטירט אלס:
[y = β₀ + β₁x₁ + β₂x₂ + … + β₀x₀ + β₂]
די טעכניק ערלויבט די אויספארשונג פון קאמפליצירטע באציאונגען וואו די וועריאציע אין דער אפהענגיקער וועריאַבל קען צוגעשריבן ווערן צו עטלעכע אומאפהענגיקע וועריאַבלן. מולטיפּלע לינעאַרע רעגרעסיע באדייט ענלעכע אנווייזונגען און דיאַגנאָסטישע פּראָצעדורן ווי איר פּשוטערער קעגנשטאַנד, אָבער פארלאנגט קערפולע באַטראַכטונג פון מולטיקאָלינעאַריטעט.
עוואַלויִרן מאָדעל פּאַסיק
אפשאצן די פּאַסיקייט פון אַ לינעאַר רעגרעסיע מאָדעל ינוואַלווז עטלעכע מעטריקס און דיאַגנאָסטיק מכשירים:
1. ר-קוואַדראַט (קאָעפֿיציענט פֿון באַשטימונג): מעסט דעם פּראָפּאָרציע פֿון וואַריאַנס אין דער אָפּהענגיקער וואַריאַבלע וואָס איז פֿאָרויסזאָגבאר פֿון דער אומאָפּהענגיקער וואַריאַבלע(ן). ווערטן גייען פֿון 0 ביז 1, מיט העכערע ווערטן וואָס ווײַזן אויף אַ בעסערע מאָדעל־פּאַס.
2. אדזשאַסטעד R-קוואַדראַט: אדזשאַסטירט דעם R-קוואַדראַט ווערט פֿאַר די צאָל פּרעדיקטאָרס אין דעם מאָדעל, צושטעלנדיק אַ מער פּינקטלעכע מאָס אין דעם קאָנטעקסט פון קייפל רעגרעסיע.
3. F-טעסט: טעסט די אלגעמיינע באדייטונג פון דעם מאָדעל.
4. p-ווערטן: אפשאצט די באדייטונג פון יחידישע פאראויסזאגער.
5. רעזידועל פּלאָץ: וויזועלע דורכקוקן פֿאַר קאָנסטאַנטע וואַריאַנס, זעלבשטענדיקייט, און נאָרמאַליטעט פון טעות טערמינען.
אַפּפּליקאַטיאָנס פון לינעאַר רעגרעססיאָן
עקאנאמיק און פינאַנסע
עקאנאמיסטן און פינאנציעלע אנאליסטן ניצן לינעארע רעגרעסיע צו מאָדעלירן און פאָרויסזאָגן עקאָנאָמישע אינדיקאַטאָרן און פינאנציעלע מעטריקס. למשל, אַן עקאנאמיסט קען ניצן לינעארע רעגרעסיע צו שטודירן די באַציִונג צווישן אַרבעטסלאָזיקייט ראַטעס און גדפּ וווּקס. ענלעך, אַ פינאַנציעלער אנאליסט קען פאָרויסזאָגן אַקציע פּרייזן באזירט אויף היסטאָרישע דאַטן און מאַרק אינדיקאַטאָרן.
העאַלטהקאַרע
אין געזונטהייטסזאָרג, העלפֿן לינעאַרע רעגרעסיע מאָדעלן צו פֿאַרשטיין די פֿאַרבינדונג צווישן ריזיקאָ פֿאַקטאָרן און געזונטהייט רעזולטאַטן. למשל, פֿאָרשער קענען אויספֿאָרשן ווי לייפֿסטייל פֿאַקטאָרן ווי דיעטע און געניטונג השפּעה האָבן אויף בלוטדרוק אָדער כאָלעסטעראָל לעוועלס. די מאָדעלן צושטעלן איינזיכטן וואָס אינפֿאָרמירן עפֿנטלעכע געזונטהייט פּאָליטיק און יחיד באַהאַנדלונג פּלענער.
ינזשעניעריע
אינזשענירן ניצן לינעארע רעגרעסיע צו מאָדעלירן און אָפּטימיזירן פּראָצעסן. אין מאַנופאַקטורינג, למשל, קען אַ רעגרעסיע מאָדעל פאָרויסזאָגן דעם אימפּאַקט פון פֿאַרשידענע אינפוט וועריאַבאַלן אויף פּראָדוקט קוואַליטעט. דאָס דערמעגלעכט די פֿײַן-טונינג פון פּראָצעסן צו דערגרייכן אָפּטימאַלע פאָרשטעלונג.
סאציאל ססיענסעס
סאציאלע וויסנשאפטלער ניצן לינעארע רעגרעסיע צו אנאליזירן אנקעטע דאטן און אויספארשן באציאונגען צווישן סאציאלאגישע פאקטארן. למשל, א סאציאלאג קען שטודירן ווי בילדונגס-ניוואָ האט אן איינפלוס אויף באשעפטיגונג רעזולטאטן אדער איינקונפט לעוועלס. די איינזיכטן ביישטייערן צו דער אנטוויקלונג פון אריינמישונגען און פאליסיס וואס אדרעסירן סאציאלע אומגלייכקייטן.
סאָף
לינעאַרע רעגרעסיע בלייבט אַ וויכטיקער טייל פון סטאַטיסטישער אַנאַליז און פּרעדיקטיוו מאָדעלינג צוליב איר פּשוטקייט און אינטערפּרעטירבאַרקייט. טראָץ איר פונדאַמענטאַלער נאַטור, אָפפערט עס טיפע איינזיכטן אין די באַציִונגען צווישן וועריאַבאַלן אין פֿאַרשידענע פֿעלדער. באַהערשונג פון לינעאַרע רעגרעסיע טעקניקס דערמעגלעכט פֿאָרשער און אַנאַליסטן צו מאַכן אינפֿאָרמירטע באַשלוסן, פֿאָרויסזאָגן צוקונפֿטיקע טרענדס און אַנטדעקן אונטערלייגנדיקע מוסטערן אין דאַטן.
ווי דאַטן וואַקסט ווייטער אין באַנד און קאָמפּלעקסיטעט, בלייבן די פּרינציפּן וואָס שטיצן לינעאַר רעגרעסיע באַטייַטיק און וויכטיק. פֿאַר ווער עס יז וואָס פֿאַרטיפֿט זיך אין דער וועלט פֿון סטאַטיסטיק און דאַטן אַנאַליז, דינט אַ גוט פֿאַרשטאַנד פֿון לינעאַר רעגרעסיע ווי אַ וויכטיקער שפּרונגברעט צו מער אַוואַנסירטע אַנאַליטישע השתדלות.
