ScholarGate
Assistent
Regression model

Multipel lineær regression

Multipel lineær regression (MLR) er en parametrisk regressionsmodel, der udtrykker et kontinuerligt udfald som en vægtet lineær kombination af to eller flere prædiktorvariable plus en tilfældig fejlterm. De ukendte vægte (regressionskoefficienter) estimeres ved mindste kvadraters metode (OLS), som minimerer summen af kvadrerede residualer. Metoden stammer fra Francis Galtons arbejde fra 1886 om arvelig højde og blev sat på et solidt matematisk fundament af Karl Pearson; Draper og Smiths lærebog fra 1966 etablerede den som den standardmæssige ramme for anvendt regression.

Anvend med StatMindSnartVideoSnartDownload slides

Læs hele metoden

Kun for medlemmer

Log ind med en gratis konto for at læse dette afsnit.

Log ind

Method map

The neighbourhood of related methods — select a node to explore.

+11 more

Kilder

  1. Galton, F. (1886). Regression towards mediocrity in hereditary stature. Journal of the Anthropological Institute of Great Britain and Ireland, 15, 246–263. DOI: 10.2307/2841583
  2. Pearson, K., & Lee, A. (1908). On the generalised probable error in multiple normal correlation. Biometrika, 6(1), 59–68. DOI: 10.1093/biomet/6.1.59
  3. Draper, N. R., & Smith, H. (1966). Applied Regression Analysis (1st ed.). John Wiley & Sons. ISBN: 9780471221708
  4. Montgomery, D. C., Peck, E. A., & Vining, G. G. (2012). Introduction to Linear Regression Analysis (5th ed.). John Wiley & Sons. ISBN: 9780470542811

Sådan citerer du denne side

ScholarGate. (2026, June 3). Multiple Linear Regression (Ordinary Least Squares). ScholarGate. https://scholargate.app/da/statistics/multiple-linear-regression

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Refereret af

ScholarGateMultiple Linear Regression (Multiple Linear Regression (Ordinary Least Squares)). Hentet 2026-06-15 fra https://scholargate.app/da/statistics/multiple-linear-regression · Datasæt: https://doi.org/10.5281/zenodo.20539026