Doğrusal ve Lojistik Regresyon
İstatistiksel analizde, çalışmayla ilgili değişkenler arasındaki ilişkileri belirlemek önemlidir. Bazen analizin kendisinin tek amacı olabilir. İlişkinin varlığını tespit etmek ve ilişkiyi belirlemek için kullanılan güçlü bir araç, regresyon analizidir.
Regresyon analizinin en basit şekli, değişkenler arasındaki ilişkinin doğrusal bir ilişki olduğu doğrusal regresyondur. İstatistiksel olarak açıklayıcı değişken ile yanıt değişkeni arasındaki ilişkiyi ortaya çıkarır. Örneğin, regresyon kullanarak, rastgele bir örnekten toplanan verilere dayanarak emtia fiyatı ile tüketim arasındaki ilişkiyi kurabiliriz. Regresyon analizi, mevcut verilere en iyi uyan matematiksel bir model olan veri setinin bir regresyon fonksiyonunu üretecektir. Bu, bir dağılım grafiği ile kolayca temsil edilebilir. Grafiksel olarak regresyon, verilen veri seti için en uygun eğriyi bulmaya eşdeğerdir. Eğrinin işlevi regresyon işlevidir. Matematiksel model kullanılarak, belirli bir fiyat için bir metanın kullanımı tahmin edilebilir.
Bu nedenle, regresyon analizi tahmin ve tahminde yaygın olarak kullanılır. Fizik, kimya ve birçok doğa bilimleri ve mühendislik disiplinlerinde deneysel verilerdeki ilişkileri kurmak için de kullanılır. İlişki veya regresyon fonksiyonu lineer bir fonksiyon ise, süreç lineer regresyon olarak bilinir. Dağılım grafiğinde düz bir çizgi olarak gösterilebilir. İşlev, parametrelerin doğrusal bir birleşimi değilse, regresyon doğrusal değildir.
Lojistik regresyon, çok değişkenli regresyonla karşılaştırılabilir ve birden fazla tahmin edicinin bir yanıt değişkeni üzerindeki etkisini açıklamak için bir model oluşturur. Bununla birlikte, lojistik regresyonda, nihai sonuç değişkeni kategorik olmalıdır (genellikle bölünmüş; yani, özel teknikler daha fazla kategorize edilmiş bilginin modellenmesini sağlasa da, ölüm veya hayatta kalma gibi bir çift ulaşılabilir sonuç). Sürekli bir sonuç değişkeni, lojistik regresyon için kullanılmak üzere kategorik bir değişkene dönüştürülebilir; ancak, sürekli değişkenleri bu şekilde dar altmak, doğruluğu az alttığı için çoğunlukla önerilmez.
Doğrusal regresyondan farklı olarak, ortalamaya doğru, lojistik regresyondaki öngörücü değişkenlerin doğrusal olarak bağlanmaya, yaygın olarak dağıtılmaya veya her küme içinde eşit varyansa sahip olmaya zorlanmaları gerekmez. Sonuç olarak, tahmin edici ve sonuç değişkenleri arasındaki ilişkinin doğrusal bir fonksiyon olması muhtemel değildir.
Lojistik ve Doğrusal regresyon arasındaki fark nedir?
• Doğrusal regresyonda, açıklayıcı değişken ile yanıt değişkeni arasında doğrusal bir ilişki varsayılır ve modeli karşılayan parametreler, kesin ilişkiyi vermek için analiz yoluyla bulunur.
• Kantitatif değişkenler için lineer regresyon gerçekleştirilir ve elde edilen fonksiyon kantitatiftir.
• Lojistik regresyonda, kullanılan veriler kategorik veya nicel olabilir, ancak sonuç her zaman kategoriktir.
