ניתוח רגרסיה הוא כלי נפוץ בסטטיסטיקה. מה שמאפשר לחקור את הקשרים בין משתנים כמותיים שונים. זאת, על ידי ניסוח משוואות מתמטיות.
באופן אחר, ניתוח זה הוא תהליך או מודל המנתח את הקשר בין משתנה תלוי למשתנה עצמאי אחד או יותר. לפיכך, ממחקר זה נמצא קשר מתמטי.
הודות לתהליכי הרגרסיה ניתן להבין כיצד המשתנה התלוי מושפע משינויים בגורמים האחרים.
יישומי ניתוח רגרסיה
אחד היישומים העיקריים של ניתוח רגרסיה הוא השלכה עם תרחישים שונים. זאת, בהתחשב במידת ההשפעה (בסטטיסטיקה זה מכונה מתאם) על המשתנה התלוי.
כלומר, מטרת הניתוח היא לבנות פונקציה המאפשרת לאמוד את הערך העתידי של משתנה המחקר.
מנקודת מבט אחרת, רגרסיה מאפשרת חישוב ציפייה מותנית (ממוצעת). לשם כך, ערכי המשתנים הבלתי תלויים נלקחים כנתונים.
יש לציין שכאשר לוקחים בחשבון רק משתנה עצמאי אחד, אנו מדברים על רגרסיה לינארית פשוטה. מצד שני, אם כלולים גורמים נוספים, זו תהיה רגרסיה לינארית מרובה.
ניתוח רגרסיה יש יישומים לחיי היומיום. זאת, ממחקר תאונות דרכים באזור גיאוגרפי מסוים כדי לבדוק אם תוכנית לימודים מומלצת בהתאם לשיעור הנשירה, למשל.
ביקורת על ניתוח רגרסיה
ביקורת נפוצה על מודל חיזוי מתמטי מסוג זה היא שהוא אינו מיטבי, מכיוון שהוא נוטה לבלבל בין מתאם לסיבתיות.
משמעות הדבר היא, למשל, ניתן ליצור קשר מתמטי בין צמיחה כלכלית לתדירות הגשמים במדינה. עם זאת, אם אין בסיס תיאורטי המקשר בין משתנים אלה, המחקר אינו רלוונטי מכיוון שמדובר בקשר מזויף.
דוגמה לניתוח רגרסיה
בואו נסתכל על דוגמה פשוטה מאוד לניתוח רגרסיה. נניח שחברה רוצה לחשב את הביקוש למוצר מסוים.
כמשתנה עצמאי ניקח את מחיר המוצר. לכן החברה, על סמך הנתונים ההיסטוריים שלה, בונה משוואה כדלקמן:
לפיכך, ניתוח הרגרסיה מכוון למצוא את הערכים של a (מקדם מתאם ליניארי) ו- b.
