Regression model

Regresja liniowa wieloraka

Regresja liniowa wieloraka (MLR) jest parametrycznym modelem regresji, który wyraża ciągły wynik jako ważoną kombinację liniową dwóch lub więcej zmiennych objaśniających plus losowy błąd. Nieznane wagi (współczynniki regresji) są estymowane metodą najmniejszych kwadratów (OLS), która minimalizuje sumę kwadratów reszt. Metoda wywodzi się z pracy Francisa Galtona z 1886 roku dotyczącej dziedziczenia wzrostu i została ugruntowana matematycznie przez Karla Pearsona; podręcznik Drapera i Smitha z 1966 roku ustanowił ją jako standardową ramę dla regresji stosowanej.

Zastosuj w StatMindWkrótceWideoWkrótceDownload slides

Przeczytaj pełny opis metody

Tylko dla członków

Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.

Zaloguj się

Method map

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

+11 more

Źródła

  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

Jak cytować tę stronę

ScholarGate. (2026, June 3). Multiple Linear Regression (Ordinary Least Squares). ScholarGate. https://scholargate.app/pl/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

Cytowana przez

ScholarGateMultiple Linear Regression (Multiple Linear Regression (Ordinary Least Squares)). Pobrano 2026-06-15 z https://scholargate.app/pl/statistics/multiple-linear-regression · Zbiór danych: https://doi.org/10.5281/zenodo.20539026