Разлика између линеарне и логистичке регресије

Линеарна вс логистичка регресија

У статистичкој анализи важно је идентификовати однос између варијабли које се тичу студије. Понекад је то једина сврха саме анализе. Једно снажно средство које се користи за утврђивање постојања односа и идентифицирање везе је регресијска анализа.

Најједноставнији облик регресијске анализе је линеарна регресија, где је однос између променљивих линеарни однос. У статистичком погледу он открива однос између променљиве објашњавања и променљиве одговора. На пример, помоћу регресије можемо утврдити однос између цене робе и потрошње на основу података прикупљених из случајног узорка. Регресијска анализа ће произвести регресијску функцију скупа података, што је математички модел који најбоље одговара расположивим подацима. Ово се лако може представити планом распршења. Графичка регресија је еквивалентна проналажењу најбоље одговарајуће кривуље за дати скуп података. Функција криве је регресијска функција. Помоћу математичког модела може се предвидјети употреба робе за одређену цену.

Стога се регресијска анализа широко користи у предвиђању и прогнозирању. Такође се користи за успостављање односа у експерименталним подацима, из области физике, хемије и многих природних наука и инжењерских дисциплина. Ако је однос или функција регресије линеарна функција, тада је процес познат као линеарна регресија. У плану распршења може се представити као равна линија. Ако функција није линеарна комбинација параметара, тада је регресија нелинеарна.

Логистичка регресија је упоредива са мултиваријантном регресијом и ствара модел који објашњава утицај више предиктора на променљиву реакцију. Међутим, у логистичкој регресији варијабла крајњег резултата треба бити категорична (обично је подељена; то јест, пар достижних исхода, попут смрти или преживљавања, мада посебне технике омогућавају моделирање више категорисаних информација). Континуирана варијабла исхода може се трансформисати у категоријску променљиву, која ће се користити за логистичку регресију; међутим, урушавање континуираних променљивих на овај начин углавном обесхрабрује јер смањује тачност.

За разлику од линеарне регресије, према средњем, променљиве предвиђања у логистичкој регресији не морају бити приморане да буду линеарно повезане, уобичајено дистрибуиране или да имају једнаку варијанцу унутар сваког кластера. Као резултат, однос између предиктора и варијабли исхода вероватно неће бити линеарна функција.

Која је разлика између логистичке и линеарне регресије?

• У линеарној регресији претпоставља се линеарни однос између објашњавајуће променљиве и променљиве одговора, а параметри који задовољавају модел налазе се анализом, како би се добио тачан однос.

• Линеарна регресија се врши за квантитативне варијабле, а резултирајућа функција је квантитативна.

• У логистичкој регресији, подаци који се користе могу бити категорични или квантитативни, али резултат је увек категоричан.