Cara menggunakan regresi linear dalam regresi linier - dummies

Regresi linear adalah satu kaedah statistik yang menganalisis dan menemui hubungan antara dua pembolehubah. Dalam analisis ramalan, ia boleh digunakan untuk meramalkan nilai berangka masa depan pembolehubah.

Pertimbangkan contoh data yang mengandungi dua pemboleh ubah: data lepas yang terdiri daripada masa ketibaan kereta api dan masa tunda yang sepadan. Katakan anda ingin meramalkan apa kelewatan itu untuk kereta api seterusnya. Jika anda menggunakan regresi linear kepada dua pembolehubah ini - masa ketibaan dan penangguhan - anda boleh menghasilkan persamaan linear seperti

Delay = a + (b * Masa kedatangan) + d

Persamaan ini menyatakan hubungan antara waktu tunda dan waktu ketibaan. Pemalar a dan b adalah parameter model. Pembolehubah d ialah ralat ralat (juga dikenali sebagai selebihnya ) - nilai berangka yang mewakili tidak sepadan antara dua pembolehubah > dan waktu ketibaan . Jika ralat tidak sama dengan sifar, maka itu mungkin menunjukkan bahawa terdapat kriteria yang mempengaruhi pembolehubah lambat .

Jika anda duduk di stesen kereta api, anda boleh memasukkan masa ketibaan ke persamaan sebelumnya dan anda boleh mengira kelewatan yang diharapkan, menggunakan parameter regresi model regresi linear

a, b, dan d . Regresi linear adalah (seperti yang anda bayangkan) yang paling sesuai untuk data linier. Tetapi ia sangat sensitif terhadap outlier di titik data. Pengecualian dalam data anda boleh memberi impak besar kepada model. Adalah disyorkan bahawa anda mengalih keluar penjejas tersebut dari set latihan jika anda merancang untuk menggunakan regresi linier untuk model ramalan anda.