Regresijas analīze ir statistikā bieži izmantots rīks. Kas ļauj izpētīt sakarības starp dažādiem kvantitatīvajiem mainīgajiem. Tas, formulējot matemātiskos vienādojumus.
Citādi skatoties, minētā analīze ir process vai modelis, kas analizē saikni starp atkarīgo mainīgo un vienu vai vairākiem neatkarīgiem mainīgajiem. Tādējādi no šī pētījuma tiek atrastas matemātiskas attiecības.
Pateicoties regresijas procesiem, ir iespējams saprast, kā atkarīgo mainīgo ietekmē citu faktoru izmaiņas.
Regresijas analīzes lietojumi
Viens no galvenajiem regresijas analīzes pielietojumiem ir projekcija ar dažādiem scenārijiem. Tas, ņemot vērā ietekmes pakāpi (statistikā to sauc par korelāciju) uz atkarīgo mainīgo.
Tas ir, analīzes mērķis ir izveidot funkciju, kas ļauj novērtēt pētāmā lieluma nākotnes vērtību.
No cita viedokļa regresija ļauj aprēķināt nosacītu (vidēju) cerību. Šim nolūkam neatkarīgo mainīgo vērtības tiek ņemtas, kā norādīts.
Jāatzīmē, ka, ņemot vērā tikai vienu neatkarīgu mainīgo, mēs runājam par vienkāršu lineāru regresiju. No otras puses, ja tiek iekļauti vairāk faktori, tā būtu vairāku lineāru regresiju.
Regresijas analīzei ir pielietojums ikdienas dzīvē. Tas, sākot no ceļu satiksmes negadījumu izpētes noteiktā ģeogrāfiskā apgabalā un pārbaudot, vai mācību programma ir ieteicama, piemēram, pēc mācību pārtraukšanas.
Regresijas analīzes kritika
Parasti šāda veida matemātiskās prognozēšanas modeļa kritika ir tāda, ka tā nav optimāla, jo tā mēdz jaukt korelāciju ar cēloņsakarību.
Tas nozīmē, ka, piemēram, var noteikt matemātisku sakarību starp ekonomisko izaugsmi un nokrišņu biežumu valstī. Tomēr, ja nav teorētiska pamata, kas saistītu šos mainīgos, pētījumam nav nozīmes, jo tas ir viltus sakars.
Regresijas analīzes piemērs
Apskatīsim ļoti vienkāršu regresijas analīzes piemēru. Pieņemsim, ka uzņēmums vēlas aprēķināt pieprasījumu pēc noteiktas preces.
Kā neatkarīgu mainīgo mēs ņemsim produkta cenu. Tātad uzņēmums, pamatojoties uz vēsturiskajiem datiem, izveido šādu vienādojumu:
Tādējādi regresijas analīzes mērķis ir atrast a (lineārās korelācijas koeficienta) un b vērtības.