Regresioni linear kundër logjistik
Në analizën statistikore, është e rëndësishme të identifikohen marrëdhëniet midis variablave të përfshirë në studim. Ndonjëherë mund të jetë qëllimi i vetëm i vetë analizës. Një mjet i fortë i përdorur për të përcaktuar ekzistencën e marrëdhënies dhe për të identifikuar lidhjen është analiza e regresionit.
Forma më e thjeshtë e analizës së regresionit është regresioni linear, ku lidhja midis variablave është një marrëdhënie lineare. Në aspektin statistikor, ai nxjerr në pah marrëdhënien midis variablit shpjegues dhe variablit të përgjigjes. Për shembull, duke përdorur regresionin mund të vendosim lidhjen midis çmimit të mallit dhe konsumit bazuar në të dhënat e mbledhura nga një mostër e rastësishme. Analiza e regresionit do të prodhojë një funksion regresioni të grupit të të dhënave, i cili është një model matematik që përshtatet më së miri me të dhënat e disponueshme. Kjo mund të përfaqësohet lehtësisht nga një komplot shpërndarës. Regresioni grafik është ekuivalent me gjetjen e kurbës më të përshtatshme për grupin e dhënë të të dhënave. Funksioni i kurbës është funksioni i regresionit. Duke përdorur modelin matematikor, përdorimi i një malli mund të parashikohet për një çmim të caktuar.
Prandaj, analiza e regresionit përdoret gjerësisht në parashikimin dhe parashikimin. Përdoret gjithashtu për të vendosur marrëdhëniet në të dhënat eksperimentale, në fushat e fizikës, kimisë dhe në shumë shkenca natyrore dhe disiplina inxhinierike. Nëse lidhja ose funksioni i regresionit është një funksion linear, atëherë procesi njihet si regresion linear. Në komplotin e shpërndarjes, ajo mund të përfaqësohet si një vijë e drejtë. Nëse funksioni nuk është një kombinim linear i parametrave, atëherë regresioni është jolinear.
Regresioni logjistik është i krahasueshëm me regresionin me shumë variacione dhe krijon një model për të shpjeguar ndikimin e parashikuesve të shumtë në një variabël përgjigjeje. Megjithatë, në regresionin logjistik, variabli i rezultatit përfundimtar duhet të jetë kategorik (zakonisht i ndarë; d.m.th., një palë rezultatesh të arritshme, si vdekja ose mbijetesa, megjithëse teknikat speciale mundësojnë modelimin e informacionit më të kategorizuar). Një variabël rezultati i vazhdueshëm mund të transformohet në një variabël kategorik, për t'u përdorur për regresionin logjistik; megjithatë, kolapsimi i variablave të vazhdueshme në këtë mënyrë kryesisht dekurajohet sepse zvogëlon saktësinë.
Ndryshe nga regresioni linear, drejt mesatares, variablat parashikues në regresionin logjistik nuk duhet të detyrohen të lidhen në mënyrë lineare, të shpërndahen zakonisht ose të kenë variancë të barabartë brenda çdo grupi. Si rezultat, lidhja midis variablave parashikues dhe rezultatit nuk ka të ngjarë të jetë një funksion linear.
Cili është ndryshimi midis regresionit logjistik dhe atij linear?
• Në regresionin linear, supozohet një lidhje lineare midis ndryshores shpjeguese dhe variablit të përgjigjes dhe parametrat që kënaqin modelin gjenden me anë të analizës, për të dhënë lidhjen e saktë.
• Regresioni linear kryhet për variablat sasiore dhe funksioni që rezulton është sasior.
• Në regresionin logjistik, të dhënat e përdorura mund të jenë ose kategorike ose sasiore, por rezultati është gjithmonë kategorik.
