Regression model
다중 선형 회귀
다중 선형 회귀(Multiple Linear Regression, MLR)는 연속형 결과 변수를 두 개 이상의 예측 변수의 가중 선형 조합과 임의 오차항으로 표현하는 모수적 회귀 모형이다. 미지의 가중치(회귀 계수)는 잔차 제곱합을 최소화하는 최소제곱법(Ordinary Least Squares, OLS)으로 추정한다. 이 방법은 1886년 Francis Galton의 유전적 키에 관한 연구에서 시작되었으며, Karl Pearson에 의해 확고한 수학적 토대를 마련했고, 1966년 Draper와 Smith의 교과서에 의해 적용 회귀 분석의 표준 틀로 자리 잡았다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
+11 more
출처
- 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 ↗
- 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 ↗
- Draper, N. R., & Smith, H. (1966). Applied Regression Analysis (1st ed.). John Wiley & Sons. ISBN: 9780471221708
- Montgomery, D. C., Peck, E. A., & Vining, G. G. (2012). Introduction to Linear Regression Analysis (5th ed.). John Wiley & Sons. ISBN: 9780470542811
이 페이지 인용 방법
ScholarGate. (2026, June 3). Multiple Linear Regression (Ordinary Least Squares). ScholarGate. https://scholargate.app/ko/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.
- 공분산 분석 (ANCOVA)통계학↔ compare
- 라쏘 회귀머신러닝↔ compare
- 로지스틱 회귀연구 통계↔ compare
- 일원 분산 분석통계학↔ compare
- 다항 회귀통계학↔ compare
- 릿지 회귀(Ridge Regression)머신러닝↔ compare
- 단순 선형 회귀통계학↔ compare
- 단계적 회귀분석통계학↔ compare