Inhalt
- Beispiele für multiple Regression
- Vorteile der multiplen Regression
- Nachteile der multiplen Regression
Die multiple Regression wird verwendet, um die Beziehung zwischen mehreren unabhängigen Variablen und einer abhängigen Variablen zu untersuchen. Während Sie mit mehreren Regressionsmodellen die relativen Einflüsse dieser unabhängigen Variablen oder Prädiktorvariablen auf die abhängige Variable oder Kriteriumvariable analysieren können, können diese häufig komplexen Datensätze zu falschen Schlussfolgerungen führen, wenn sie nicht ordnungsgemäß analysiert werden.
Beispiele für multiple Regression
Ein Immobilienmakler könnte mithilfe mehrerer Regressionen den Wert von Häusern analysieren. Zum Beispiel könnte sie als unabhängige Variablen die Größe der Häuser, ihr Alter, die Anzahl der Schlafzimmer, den durchschnittlichen Wohnungspreis in der Nachbarschaft und die Nähe zu Schulen verwenden. Zeichnete sie in einem multiplen Regressionsmodell, konnte sie diese Faktoren verwenden, um ihre Beziehung zu den Preisen der Häuser als Kriteriumsvariable zu sehen.
Ein weiteres Beispiel für die Verwendung eines multiplen Regressionsmodells könnte eine Person in der Personalabteilung sein, die das Gehalt von Führungspositionen bestimmt - die Kriteriumsvariable. Die Prädiktorvariablen können das Dienstalter der einzelnen Manager, die durchschnittliche Anzahl der geleisteten Arbeitsstunden, die Anzahl der zu verwaltenden Personen und das Abteilungsbudget der Manager sein.
Vorteile der multiplen Regression
Die Analyse von Daten mithilfe eines multiplen Regressionsmodells bietet zwei Hauptvorteile. Die erste ist die Fähigkeit, den relativen Einfluss einer oder mehrerer Prädiktorvariablen auf den Kriteriumswert zu bestimmen. Der Immobilienmakler könnte feststellen, dass die Größe der Häuser und die Anzahl der Schlafzimmer stark mit dem Preis eines Hauses korrelieren, während die Nähe zu den Schulen überhaupt keine Korrelation oder sogar eine negative Korrelation aufweist, wenn es sich in erster Linie um einen Ruhestand handelt Gemeinschaft.
Der zweite Vorteil ist die Fähigkeit, Ausreißer oder Anomalien zu identifizieren. Beispielsweise konnte der Personalmanager bei der Überprüfung der Daten zu den Managementgehältern feststellen, dass die Anzahl der Arbeitsstunden, die Abteilungsgröße und das Budget in engem Zusammenhang mit den Gehältern standen, während das Dienstalter dies nicht tat. Alternativ könnte es sein, dass alle aufgelisteten Prädiktorwerte mit jedem der untersuchten Gehälter korrelierten, mit Ausnahme eines Managers, der im Vergleich zu den anderen überbezahlt wurde.
Nachteile der multiplen Regression
Jeder Nachteil der Verwendung eines multiplen Regressionsmodells hängt normalerweise von den verwendeten Daten ab. Zwei Beispiele hierfür verwenden unvollständige Daten und schließen fälschlicherweise, dass eine Korrelation eine Ursache ist.
Nehmen wir zum Beispiel an, der Immobilienmakler hat sich nur 10 Häuser angesehen, von denen sieben von jungen Eltern gekauft wurden. In diesem Fall könnte die Beziehung zwischen der Nähe der Schulen zu der Annahme führen, dass sich dies auf den Verkaufspreis für alle in der Gemeinde verkauften Häuser auswirkte. Dies zeigt die Fallstricke unvollständiger Daten. Hätte sie eine größere Stichprobe verwendet, hätte sie feststellen können, dass von 100 verkauften Häusern nur zehn Prozent der Hauswerte mit der Nähe einer Schule zu tun hatten. Wenn sie das Alter der Käufer als Richtwert verwendet hätte, hätte sie feststellen können, dass jüngere Käufer bereit waren, mehr für Häuser in der Gemeinde zu zahlen als ältere Käufer.
Nehmen wir an, es gäbe einen Ausreißer mit einem geringeren Budget, weniger Dienstalter und weniger zu verwaltendem Personal, der jedoch mehr als jeder andere verdient. Der Personalleiter könnte die Daten einsehen und daraus schließen, dass diese Person überbezahlt wird. Diese Schlussfolgerung wäre jedoch falsch, wenn er nicht berücksichtigen würde, dass dieser Manager für die Website des Unternehmens verantwortlich ist und über die begehrten Fähigkeiten im Bereich Netzwerksicherheit verfügt.