Regression model

Множинна лінійна регресія

Множинна лінійна регресія (MLR) — це параметрична регресійна модель, яка виражає безперервний результат як зважену лінійну комбінацію двох або більше предикторних змінних плюс випадкову похибку. Невідомі ваги (регресійні коефіцієнти) оцінюються методом найменших квадратів (OLS), який мінімізує суму квадратів залишків. Метод сягає роботи Френсіса Гальтона 1886 року щодо спадкової статури і був математично обґрунтований Карлом Пірсоном; підручник Дрейпера та Сміта 1966 року встановив його як стандартну основу для прикладних регресій.

Застосувати у StatMindНезабаромВідеоНезабаромDownload slides

Читати метод повністю

Лише для учасників

Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.

Увійти

Method map

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

+11 more

Джерела

  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

Як цитувати цю сторінку

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

Згадується в

ScholarGateMultiple Linear Regression (Multiple Linear Regression (Ordinary Least Squares)). Отримано 2026-06-15 з https://scholargate.app/uk/statistics/multiple-linear-regression · Набір даних: https://doi.org/10.5281/zenodo.20539026