Так їх розрізняють лінійна регресія; нелінійна регресія; регресія для категоріальних даних. Це так звані параметричні методи. У цих моделях функція регресії визначається на основі існування кінцевої кількості параметрів, які необхідно оцінити за даними.
Ми можемо виконувати 3 різні моделі аналізу залежно від кількості змінних і способу їх взаємодії між собою: Проста модель лінійної регресії. Модель множинної лінійної регресії. Нелінійна регресійна модель.
Приклади Типовими є дитина що знову мочить ліжко після народження брата або сестри що їхні батьки розлучаються, люди що примусово палити під час стресу, або молоді що Коли він їде вчитися за кордон, то в моменти невизначеності чіпляється за опудало свого дитинства.
Розуміння регресії Є два основних типи регресії проста лінійна регресія та множинна лінійна регресія , хоча існують методи нелінійної регресії для більш складних даних і аналізу.
Регресійний аналіз – це a техніка аналізу, яка обчислює передбачуваний зв’язок між залежною змінною та однією або декількома пояснювальними змінними. За допомогою регресійного аналізу можна моделювати зв’язок між обраними змінними, а також прогнозувати значення на основі моделі.
моя порада спочатку підігнати модель за допомогою лінійної регресії, а потім визначити, чи забезпечує лінійна модель адекватну підгонку, перевіряючи залишкові графіки . Якщо ви не можете отримати хорошу відповідність за допомогою лінійної регресії, спробуйте нелінійну модель, оскільки вона може відповідати більшій різноманітності кривих.