Lineárna vs logistická regresia
V štatistickej analýze je dôležité identifikovať vzťahy medzi príslušnými premennými k štúdii. Niekedy to môže byť jediný účel samotnej analýzy. Jedným silným nástrojom použitým na zistenie existencie vzťahu a jeho identifikáciu je regresná analýza.
Najjednoduchšou formou regresnej analýzy je lineárna regresia, kde vzťah medzi premennými je lineárny vzťah. Zo štatistického hľadiska prináša vzťah medzi vysvetľujúcou premennou a premennou odpovede. Napríklad pomocou regresie môžeme určiť vzťah medzi cenou komodity a spotrebou na základe údajov zhromaždených z náhodnej vzorky. Regresná analýza vytvorí regresnú funkciu súboru údajov, čo je matematický model, ktorý najlepšie vyhovuje dostupným údajom. To sa dá ľahko znázorniť bodovým grafom. Grafická regresia je ekvivalentná nájdeniu najlepšej krivky pre danú množinu údajov. Funkciou krivky je regresná funkcia. Pomocou matematického modelu možno predpovedať použitie komodity za danú cenu.
Preto sa pri predpovedaní a predpovedaní často používa regresná analýza. Používa sa tiež na nadviazanie vzťahov v experimentálnych údajoch, v oblasti fyziky, chémie a v mnohých prírodných a technických disciplínach. Ak je vzťah alebo regresná funkcia lineárnou funkciou, potom je proces známy ako lineárna regresia. Na bodovom grafe to môže byť znázornené ako priamka. Ak funkcia nie je lineárnou kombináciou parametrov, potom je regresia nelineárna.
Logistická regresia je porovnateľná s viacrozmernou regresiou a vytvára model na vysvetlenie vplyvu viacerých prediktorov na premennú odpovede. V logistickej regresii by však premenná konečného výsledku mala byť kategorická (zvyčajne rozdelená, tj. Pár dosiahnuteľných výsledkov, ako je smrť alebo prežitie, hoci špeciálne techniky umožňujú modelovanie kategorizovanejších informácií). Kontinuálna výsledná premenná sa môže transformovať do kategorickej premennej, ktorá sa použije na logistickú regresiu; avšak kolaps spojitých premenných týmto spôsobom sa väčšinou neodporúča, pretože to znižuje presnosť.
Na rozdiel od lineárnej regresie, smerom k priemeru, nemusia byť predikčné premenné v logistickej regresii nútené, aby boli lineárne spojené, bežne distribuované alebo aby mali rovnaké odchýlky vo vnútri každého klastra. Vo výsledku pravdepodobne nebude vzťah medzi premennými prediktora a výsledku lineárnou funkciou.
Aký je rozdiel medzi logistickou a lineárnou regresiou?
• Pri lineárnej regresii sa predpokladá lineárny vzťah medzi vysvetľujúcou premennou a premennou odpovede a analýzou sa nájdu parametre vyhovujúce modelu, aby sa získal presný vzťah.
• Pre kvantitatívne premenné sa vykonáva lineárna regresia a výsledná funkcia je kvantitatívna.
• V logistickej regresii môžu byť použité údaje buď kategorické, alebo kvantitatívne, ale výsledok je vždy kategorický.
