ScholarGate
Assistent
Regression model

Multippel lineær regresjon

Multippel lineær regresjon (MLR) er en parametrisk regresjonsmodell som uttrykker et kontinuerlig utfall som en vektet lineær kombinasjon av to eller flere prediktorvariabler pluss en tilfeldig feilledd. De ukjente vektene (regresjonskoeffisientene) estimeres ved minste kvadraters metode (OLS), som minimerer summen av kvadrerte residualer. Metoden sporer tilbake til Francis Galtons arbeid fra 1886 om arvelig kroppshøyde og ble matematisk solidifisert av Karl Pearson; Draper og Smiths lærebok fra 1966 etablerte den som standardrammeverket for anvendt regresjon.

Anvend med StatMindSnartVideoSnartDownload slides

Les hele metoden

Kun for medlemmer

Logg inn med en gratis konto for å lese denne delen.

Logg inn

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

Slik siterer du denne siden

ScholarGate. (2026, June 3). Multiple Linear Regression (Ordinary Least Squares). ScholarGate. https://scholargate.app/no/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

Referert av

ScholarGateMultiple Linear Regression (Multiple Linear Regression (Ordinary Least Squares)). Hentet 2026-06-15 fra https://scholargate.app/no/statistics/multiple-linear-regression · Datasett: https://doi.org/10.5281/zenodo.20539026