Kandungan
Regresi berganda digunakan untuk mengkaji hubungan antara beberapa pembolehubah bebas dan pemboleh ubah bergantung. Walaupun model regresi berganda membolehkan anda menganalisa pengaruh relatif pembolehubah bebas, atau pemboleh ubah yang bergantung kepada, atau kriteria, pembolehubah, set data yang sering kompleks ini boleh menyebabkan kesimpulan palsu jika mereka tidak dianalisa dengan betul.
Contoh Regresi Pelbagai
Ejen hartanah boleh menggunakan regresi berganda untuk menganalisis nilai rumah. Sebagai contoh, dia boleh menggunakan sebagai pembolehubah bebas saiz rumah, umur mereka, bilangan bilik tidur, harga rumah purata di kawasan kejiranan dan jarak dekat dengan sekolah. Menempatkannya dalam model regresi berganda, dia kemudian boleh menggunakan faktor ini untuk melihat hubungan mereka dengan harga rumah sebagai pembolehubah kriteria.
Satu lagi contoh menggunakan model regresi berganda boleh menjadi seseorang dalam sumber manusia yang menentukan gaji kedudukan pengurusan - pembolehubah kriteria. Pemboleh ubah ramalan boleh menjadi setiap senioritas pengurus, jumlah purata jam kerja, jumlah orang yang diurus dan pengurus anggaran belanjawan.
Kelebihan Regresi Pelbagai
Terdapat dua kelebihan utama untuk menganalisis data menggunakan model regresi berganda. Yang pertama adalah keupayaan untuk menentukan pengaruh relatif satu atau lebih pemboleh ubah ramalan kepada nilai kriteria. Ejen hartanah dapat mengetahui saiz rumah dan jumlah bilik tidur mempunyai korelasi yang kuat terhadap harga rumah, sementara jarak dekat dengan sekolah tidak mempunyai korelasi sama sekali, atau bahkan korelasi negatif jika ia terutamanya persaraan komuniti.
Kelebihan kedua ialah keupayaan untuk mengenal pasti kelebihan, atau anomali. Sebagai contoh, semasa mengkaji semula data yang berkaitan dengan gaji pengurusan, pengurus sumber manusia dapat mengetahui bahawa bilangan jam bekerja, saiz jabatan dan anggarannya semuanya mempunyai korelasi yang kuat terhadap gaji, sedangkan kekananan tidak. Sebagai alternatif, boleh jadi semua nilai ramalan yang disenaraikan dikaitkan dengan setiap gaji yang diperiksa, kecuali seorang pengurus yang terlebih bayar dibandingkan yang lain.
Kekurangan Regresi Pelbagai
Sebarang kelemahan menggunakan model regresi berganda biasanya datang ke data yang digunakan. Dua contoh ini menggunakan data yang tidak lengkap dan salah menyimpulkan bahawa korelasi adalah penyebab.
Ketika mengkaji harga rumah, misalnya, anggap agen hartanah melihat hanya 10 rumah, tujuh di antaranya dibeli oleh orang tua muda. Dalam hal ini, hubungan antara kedekatan sekolah boleh menyebabkan dia percaya bahawa ini mempunyai kesan terhadap harga jualan untuk semua rumah yang dijual di dalam masyarakat. Ini menggambarkan perangkap data yang tidak lengkap. Sekiranya dia menggunakan sampel yang lebih besar, dia dapati bahawa, daripada 100 rumah dijual, hanya sepuluh peratus daripada nilai rumah yang berkaitan dengan kedekatan sekolah. Sekiranya dia telah menggunakan umur pembeli sebagai nilai ramalan, dia mungkin dapati bahawa pembeli muda sanggup membayar lebih banyak untuk rumah di dalam masyarakat daripada pembeli yang lebih tua.
Dalam contoh gaji pengurusan, katakan ada satu outlier yang mempunyai belanjawan yang lebih kecil, kurang senioriti dan kurang kakitangan untuk mengurus tetapi membuat lebih daripada orang lain. Pengurus Sumber Manusia boleh melihat data dan menyimpulkan bahawa individu ini telah terlebih bayar. Walau bagaimanapun, kesimpulan ini akan menjadi salah jika dia tidak mengambil kira bahawa pengurus ini bertanggungjawab ke atas laman web syarikat dan memiliki kemahiran yang sangat diingini dalam keselamatan rangkaian.