Regresia liniară vs logistică
În analiza statistică, este important să se identifice relațiile dintre variabilele vizate de studiu. Uneori poate fi singurul scop al analizei în sine. Un instrument puternic folosit pentru a stabili existența relației și a identifica relația este analiza regresiei.
Cea mai simplă formă de analiză a regresiei este regresia liniară, unde relația dintre variabile este o relație liniară. În termeni statistici, scoate în evidență relația dintre variabila explicativă și variabila răspuns. De exemplu, folosind regresia putem stabili relația dintre prețul mărfurilor și consum pe baza datelor colectate dintr-un eșantion aleatoriu. Analiza de regresie va produce o funcție de regresie a setului de date, care este un model matematic care se potrivește cel mai bine cu datele disponibile. Acest lucru poate fi reprezentat cu ușurință printr-un grafic de dispersie. Regresia grafică este echivalentă cu găsirea celei mai bune curbe de potrivire pentru setul de date dat. Funcția curbei este funcția de regresie. Folosind modelul matematic, utilizarea unei mărfuri poate fi prezisă pentru un anumit preț.
De aceea, analiza de regresie este utilizată pe scară largă în predicție și prognoză. De asemenea, este folosit pentru a stabili relațiile în datele experimentale, în domeniile fizicii, chimiei și în multe științe naturale și discipline de inginerie. Dacă relația sau funcția de regresie este o funcție liniară, atunci procesul este cunoscut ca regresie liniară. În graficul de dispersie, acesta poate fi reprezentat ca o linie dreaptă. Dacă funcția nu este o combinație liniară a parametrilor, atunci regresia este neliniară.
Regresia logistică este comparabilă cu regresia multivariată și creează un model pentru a explica impactul mai multor predictori asupra unei variabile de răspuns. Cu toate acestea, în regresia logistică, variabila rezultatului final ar trebui să fie categorică (de obicei împărțită; adică, o pereche de rezultate realizabile, cum ar fi moartea sau supraviețuirea, deși tehnicile speciale permit modelarea informațiilor mai clasificate). O variabilă de rezultat continuă poate fi transformată într-o variabilă categorială, pentru a fi utilizată pentru regresia logistică; cu toate acestea, restrângerea variabilelor continue în acest mod este în mare parte descurajată, deoarece reduce acuratețea.
Spre deosebire de regresia liniară, spre medie, variabilele predictoare din regresia logistică nu trebuie să fie obligate să fie conectate liniar, distribuite în mod obișnuit sau să aibă o variație egală în interiorul fiecărui cluster. Ca rezultat, relația dintre predictor și variabilele de rezultat nu este probabil să fie o funcție liniară.
Care este diferența dintre regresia logistică și regresia liniară?
• În regresia liniară, se presupune o relație liniară între variabila explicativă și variabila răspuns, iar parametrii care satisfac modelul sunt găsiți prin analiză, pentru a da relația exactă.
• Regresia liniară este efectuată pentru variabilele cantitative, iar funcția rezultată este una cantitativă.
• În regresia logistică, datele utilizate pot fi fie categorice, fie cantitative, dar rezultatul este întotdeauna categoric.
