Innehållsförteckning:
Definition - Vad betyder multipel regression?
Multipel regression är ett statistiskt verktyg som används för att härleda värdet på ett kriterium från flera andra oberoende variabler eller prediktorer. Det är den samtidiga kombinationen av flera faktorer för att bedöma hur och i vilken utsträckning de påverkar ett visst resultat.
Denna teknik går sönder när faktorerna själva är av en omätbar eller ren chans.
Techopedia förklarar Multiple Regression
Förekomsten av multipel regression finns i överflöd i verkligheten. En zonplanerare vill till exempel veta hur värdet på hus påverkas av faktorer som den genomsnittliga hushållsinkomsten i området, husets kvadratfot, husets markarea och året då det byggdes. Efter att ha planerat alla dessa i ett system som kan utföra flera regressioner, upptäcker han att de faktorer som påverkar husets försäljningspris mest är kvadratmängden och medelinkomsten i området. Flera regression kan till och med gå längre och visa honom att högprissatta hus påverkas av samma två faktorer i mycket större utsträckning än hus med lägre och medelstora priser.
Ett annat exempel är ett rekryteringsföretag som försöker fastställa lämplig ersättning. Den finner att prediktorvariablerna för lön är aktuell lön, antalet personer som en anställd har övervakat och ansvarsbeloppet. Företaget kan använda flera regressioner för att ta reda på att en potentiell anställds nuvarande lön är den enskilt viktigaste bestämaren för den lön som personen är villig att acceptera i ett nytt jobb.
Multipel regression är emellertid opålitlig i fall där det finns en stor chans att utfall påverkas av omöjliga faktorer eller av ren chans. Vi kan till exempel inte använda regression exakt för att beräkna i vilken utsträckning olika faktorer (ekonomins tillstånd, inflation, genomsnittlig disponibla inkomster, företagens vinstprognoser etc.) kommer att påverka aktiemarknadsindexet på exakt 20 år. Det finns helt enkelt för många okända i dessa yttre faktorer.
