Doğrusal ve Lojistik Regresyon Arasındaki Fark

Doğrusal ve Lojistik Regresyon

İstatistiksel analizde, çalışmayla ilgili değişkenler arasındaki ilişkilerin belirlenmesi önemlidir. Bazen analizin kendisinin tek amacı bu olabilir. İlişkinin varlığını belirlemek ve ilişkiyi tanımlamak 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 uygun matematiksel model olan veri kümesinin bir regresyon fonksiyonunu üretecektir. Bu kolayca bir dağılım grafiği ile gösterilebilir. Grafiksel regresyon, verilen veri seti için en uygun eğriyi bulmaya eşdeğerdir. Eğrinin işlevi regresyon işlevidir. Matematiksel model kullanılarak bir malın kullanımı belirli bir fiyat için tahmin edilebilir.

Bu nedenle, regresyon analizi tahmin ve öngörmede yaygın olarak kullanılmaktadır. Ayrıca deneysel veriler, fizik, kimya, birçok doğa bilimleri ve mühendislik disiplinleri arasındaki ilişkileri kurmak için kullanılır. İlişki veya regresyon fonksiyonu doğrusal bir fonksiyonsa, süreç doğrusal regresyon olarak bilinir. Dağılım grafiğinde, düz bir çizgi olarak temsil edilebilir. İşlev parametrelerin doğrusal bir kombinasyonu değilse, regresyon doğrusal değildir.

Lojistik regresyon, çok değişkenli regresyon ile karşılaştırılabilir ve birden fazla kestiricinin bir yanıt değişkeni üzerindeki etkisini açıklamak için bir model oluşturur. Bununla birlikte, lojistik regresyonda, sonuç sonucu değişkeni kategorik olmalıdır (genellikle bölünmüştür; diğer bir deyişle, ölüm veya hayatta kalma gibi elde edilebilir bir çift sonuç, ancak özel teknikler daha fazla kategorize edilmiş bilginin modellenmesini sağlar). Sürekli bir sonuç değişkeni, lojistik regresyon için kullanılacak kategorik bir değişkene dönüştürülebilir; bununla birlikte, sürekli değişkenlerin bu şekilde daraltılması çoğunlukla önerilmez, çünkü doğruluğu azaltır.

Doğrusal regresyondan farklı olarak, ortalamaya doğru, lojistik regresyondaki yordayıcı değişkenlerin doğrusal olarak bağlı, yaygın olarak dağılmış veya her küme içinde eşit varyansa sahip olması zorunlu değildir. Sonuç olarak, yordayıcı ve sonuç değişkenleri arasındaki ilişkinin doğrusal bir işlev olması muhtemel değildir..

Lojistik ve Doğrusal regresyon arasındaki fark nedir?

• Doğrusal regresyonda, açıklayıcı değişken ile yanıt değişkeni arasında doğrusal bir ilişki olduğu varsayılır ve tam ilişkiyi vermek için modeli tatmin eden parametreler analizle bulunur..

• Kantitatif değişkenler için doğrusal regresyon gerçekleştirilir ve ortaya çıkan fonksiyon kantitatiftir..

• Lojistik regresyonda, kullanılan veriler kategorik veya nicel olabilir, ancak sonuç her zaman kategoriktir.