Inhoudsopgave:

Hoe voer je meervoudige lineaire regressie uit?
Hoe voer je meervoudige lineaire regressie uit?

Video: Hoe voer je meervoudige lineaire regressie uit?

Video: Hoe voer je meervoudige lineaire regressie uit?
Video: Multiple regressie met SPSS 2024, November
Anonim

Een relatie begrijpen waarin meer dan twee variabelen zijn aanwezig, een Meerdere lineaire regressie is gebruikt.

Voorbeeld met behulp van meervoudige lineaire regressie

  1. jal = afhankelijke variabele: prijs van XOM.
  2. xi1 = rentetarieven.
  3. xi2 = olieprijs.
  4. xi3 = waarde van de S&P 500-index.
  5. xi4= prijs van oliefutures.
  6. B0 = y-snijpunt op tijdstip nul.

Met dit in het achterhoofd, hoe werkt meervoudige lineaire regressie?

Meerdere lineaire regressie probeert de relatie tussen twee of meer verklarende variabelen en een responsvariabele te modelleren door a. te passen lineair vergelijking met waargenomen gegevens. Elke waarde van de onafhankelijke variabele x is gekoppeld aan een waarde van de afhankelijke variabele y.

En wat is de vergelijking voor meervoudige regressie? Meervoudige regressie . Meervoudige regressie verklaart in het algemeen de relatie tussen meerdere onafhankelijke of voorspellende variabelen en één afhankelijke of criteriumvariabele. De meervoudige regressievergelijking hierboven uitgelegd heeft de volgende vorm: y = b1x1 + b2x2 + … + b x + c.

Bovendien, waar wordt meervoudige lineaire regressie voor gebruikt?

Meervoudige regressie is een uitbreiding van simple lineaire regressie . Het is gebruikt wanneer we willen de waarde van een variabele voorspellen op basis van de waarde van twee of meer andere variabelen. De variabele die we willen voorspellen, wordt de afhankelijke variabele genoemd (of soms de uitkomst-, doel- of criteriumvariabele).

Hoe doe je meervoudige lineaire regressie in Python?

Meervoudige lineaire regressie in Python

  1. Stap 1: Laad de Boston-dataset.
  2. Stap 2: Stel de afhankelijke en de onafhankelijke variabelen in.
  3. Stap 3: Kijk eens naar de onafhankelijke variabele.
  4. Stap 4: Kijk eens naar de afhankelijke variabele.
  5. Stap 5: Verdeel de data in trein- en testsets:

Aanbevolen: