Inhaltsverzeichnis:

Wie führt man eine multiple lineare Regression durch?
Wie führt man eine multiple lineare Regression durch?

Video: Wie führt man eine multiple lineare Regression durch?

Video: Wie führt man eine multiple lineare Regression durch?
Video: Multiple lineare Regression in SPSS rechnen und interpretieren - Daten analysieren in SPSS (4) 2024, Kann
Anonim

Um eine Beziehung zu verstehen, in der mehr als zwei Variablen sind vorhanden, a multiple lineare Regression wird genutzt.

Beispiel mit multipler linearer Regression

  1. jaich = abhängige Variable: Preis von XOM.
  2. xi1 = Zinssätze.
  3. xi2 = Ölpreis.
  4. xi3 = Wert des S&P 500-Index.
  5. xi4= Preis von Öl-Futures.
  6. B0 = y-Achsenabschnitt zum Zeitpunkt Null.

Wie funktioniert die multiple lineare Regression vor diesem Hintergrund?

Multiple lineare Regression versucht, die Beziehung zwischen zwei oder mehr erklärenden Variablen und einer Antwortvariablen zu modellieren, indem a. angepasst wird linear Gleichung zu beobachteten Daten. Jeder Wert der unabhängigen Variablen x ist einem Wert der abhängigen Variablen y zugeordnet.

Und wie lautet die Gleichung für die multiple Regression? Multiple Regression . Multiple Regression erklärt allgemein die Beziehung zwischen mehrere unabhängige Variablen oder Prädiktorvariablen und eine abhängige Variable oder Kriteriumsvariable. Die multiple Regressionsgleichung oben erklärt hat folgende Form: y = b1x1 + b2x2 + … + b x + c.

Und wofür wird die multiple lineare Regression verwendet?

Multiple Regression ist eine Erweiterung von simple lineare Regression . es ist verwendet, wenn Wir möchten den Wert einer Variablen basierend auf dem Wert von zwei oder mehr anderen Variablen vorhersagen. Die Variable, die wir vorhersagen möchten, wird als abhängige Variable (oder manchmal auch als Ergebnis-, Ziel- oder Kriteriumsvariable) bezeichnet.

Wie führt man in Python eine multiple lineare Regression durch?

Multiple lineare Regression in Python

  1. Schritt 1: Laden Sie das Boston-Dataset.
  2. Schritt 2: Richten Sie die abhängigen und die unabhängigen Variablen ein.
  3. Schritt 3: Werfen Sie einen Blick auf die unabhängige Variable.
  4. Schritt 4: Werfen Sie einen Blick auf die abhängige Variable.
  5. Schritt 5: Teilen Sie die Daten in Trainings- und Testsätze auf:

Empfohlen: