Il vantaggi e gli svantaggi di un modello di regressione multipla

Regressione multipla è una tecnica statistica per esaminare la relazione tra una variabile, chiamato il dipendente o variabile di risultato e più variabili indipendenti. La variabile dipendente deve essere continuo o quasi continuo. Le variabili indipendenti possono essere categorico o continue. Ad esempio, si potrebbe fare una regressione multipla guardando il rapporto tra peso (variabile dipendente), altezza, età e sesso (variabili indipendenti).

Livello di familiarità

Regressione multipla è una delle tecniche statistiche più comunemente usate, e molte persone hanno familiarità con essa, almeno a grandi linee. Questo sarà particolarmente vero di persone istruite in sociali, comportamentali o scienze fisiche; per questo pubblico, la familiarità è un vantaggio. D'altra parte, se il pubblico è la popolazione generale, quindi molte persone saranno familiarità con regressione multipla; per questo pubblico, la familiarità è uno svantaggio, e si potrebbe voler utilizzare una semplice statistica o si basano interamente su grafici.

Ipotesi

Regressione multipla rende quattro ipotesi e queste hanno bisogno di essere controllato. Le ipotesi sono sugli errori dal modello; gli errori sono la differenza tra il valore previsto della variabile dipendente e il valore effettivo della variabile dipendente. Regressione multipla si presuppone che siano distribuiti normalmente gli errori dal modello; che gli errori hanno varianza costante; che la media degli errori è pari a zero; e che gli errori sono indipendenti.

Flessibilità

Regressione multipla è un metodo molto flessibile. Le variabili indipendenti possono essere numerico o categorica, e le interazioni tra le variabili possono essere incorporate; e termini polinomiali possono anche essere inclusi. Ad esempio, esaminando il rapporto tra peso e altezza, età e sesso, è possibile includere altezza al quadrato e il prodotto dell'altezza e del sesso.Quindi il rapporto tra altezza e peso sarebbe diverso per uomini e donne, e il predetto differenza di peso tra una persona 5-piede-alto e una persona 5-foot-1 non è la stessa di quella tra una persona 6-piede-alto ed un 6-foot-1.

Utilizzo di variabili Multiple

Regressione multipla utilizza più variabili indipendenti, con ogni controllo per gli altri. Per esempio, nel modello del peso in relazione all'altezza, età e sesso, il modello stima l'effetto di controllo di altezza per il sesso. Il parametro per altezza risponde alla domanda "Qual è il rapporto tra altezza e peso, dato che una persona è maschio o femmina e di una certa età?"