Множинна регресія розглядає вплив більш ніж однієї пояснювальної змінної на певний цікавий результат. Він оцінює відносний вплив цих пояснювальних або незалежних змінних на залежну змінну, утримуючи всі інші змінні в моделі постійними.
Цілями множинної регресії є (1) описати та зрозуміти зв’язок, (2) спрогнозувати (передбачити) нове спостереження та (3) налаштувати та контролювати процес. Відрізок або постійний член, a, дає прогнозоване (або «підібране») значення для Y, коли всі змінні X дорівнюють 0.
Інтерпретація багатовимірної моделі забезпечує вплив кожної незалежної змінної на залежну змінну (ціль). Пам’ятайте, що рівняння дає оцінку середнього значення ціни. Кожен коефіцієнт інтерпретується, а всі інші предиктори залишаються незмінними.
Множинна регресія є розширенням простої лінійної регресії. Він використовується, коли ми хочемо передбачити значення змінної на основі значення двох або більше інших змінних. Змінна, яку ми хочемо передбачити, називається залежною змінною (або іноді змінною результату, цілі чи критерію).
Множинна лінійна регресія відноситься до статистичної методики, яка використовує дві або більше незалежних змінних для прогнозування результату залежної змінної. Техніка дозволяє аналітикам визначити варіація моделі та відносний внесок кожної незалежної змінної в загальну дисперсію.
Інтерпретація коефіцієнтів лінійної регресії Позитивний коефіцієнт вказує на те, що зі збільшенням значення незалежної змінної середнє значення залежної змінної також має тенденцію до збільшення. Від’ємний коефіцієнт означає, що зі збільшенням незалежної змінної залежна змінна має тенденцію до зменшення.