App Multiple Linear Regression

ivan gabrovski

May mga ad

Tungkol sa app na ito

Ang Multiple Linear Regression ay isang istatistikal na pamamaraan na ginagamit upang imodelo ang ugnayan sa pagitan ng isang dependent variable at dalawa o higit pang independent variable sa pamamagitan ng pag-aakma ng isang linear equation sa naobserbahang datos. Ipinapaliwanag ng multiple linear regression kung paano sabay-sabay na nakakaapekto ang ilang predictor sa isang outcome variable.

Mga pangunahing bahagi ng multiple linear regression:

- Dependent variable (Y): Ito ang variable na gusto nating hulaan. Madalas din itong tinatawag na "target variable" o "response."

- Independent variable (X1, X2, ..., Xn): Ito ang mga variable na ginagamit natin upang hulaan ang dependent variable. Madalas din silang tinatawag na "predictors" o "explanatory variables."

- Regression model: Ang equation ng multiple linear regression ay may sumusunod na anyo:

Y = beta_0 + beta_01* X1 + beta_2*X2 + ... + beta_n* Xn

kung saan:

Ang Y ay ang dependent variable. Ang X1, X2, ..., Xn ay ang mga independent variable.

Ang beta_0 ay ang constant (intercept). Ang beta_1,beta_2, ..., beta_n ay ang mga koepisyente ng regresyon na nagpapahiwatig ng impluwensya ng mga kaukulang independiyenteng baryabol sa dependent variable.

Mga Aplikasyon: - Ekonomiks (paghula sa kita);- Pangangalagang pangkalusugan (pagsusuri ng risk factor); -Inhinyeriya; - Agham panlipunan; -Pagtataya sa negosyo.

Halimbawa:Paghula sa presyo ng bahay batay sa: -Laki ng bahay; -Bilang ng mga silid-tulugan; -Edad ng bahay

Sa app, ang bawat bagay na Object_k(object_1, object_2 ... object_m) ay inilalarawan ng mga independiyenteng baryabol(Xki – mga tampok, i = 1...n) at isang dependent variable(Yk -target). Ang isang pamamaraan tulad ng ordinary least squares (OLS) ay ginagamit upang kalkulahin ang mga pinakamainam na halaga ng mga koepisyente (beta_0, beta_1, beta_2, ..., beta_n). Ang target na halaga ay kinakalkula sa pamamagitan ng:
Y = beta_0 + beta_01* P1 + beta_2 *P2 + ... + beta_n* Pn
kung saan: Ang P1, P2...Pn ay mga prediktor ng target.
Ang application ay nagse-save ng data para sa multiple regression models sa database (DB) type na SQLite na pinangalanang AppMultipleLinearRegression.db. Ang mga regression model ay pinag-iiba ayon sa pangalan.

Ang startup screen ng application (App Multiple Linear Regression Solver) ay nagpapakita ng listahan ng mga sample ng regression models (sa spinner list) at mga button para paganahin ang mga function na lumikha ng (New sample), mag-load ng (Load), mag-save ng (Save), mag-save ng (Save as), kalkulahin ang (Calculate), at magbura ng (Delete) ng mga sample ng regression models. Mula sa pangunahing screen, sa pamamagitan ng mga elemento ng menu, maaari mo ring ma-access ang mga function tulad ng pagpili ng wika, pag-save at pagkopya ng database, pagsisimula ng database gamit ang sample data, at mga auxiliary function tulad ng tulong para sa application, mga setting, at isang link sa website na may paglalarawan ng lahat ng application ng mga may-akda.

Ang mga function para sa paglikha ng (New sample) ay kinabibilangan ng dialog para sa pag-input ng laki ng matrix kung saan ang pagpasok ng data ng bagong sample ay bilang ng mga row (ang bilang ay kinabibilangan ng row para sa hinulaang data na P1, P2...Pn– huling row) at bilang ng mga column (ang bilang ay kinabibilangan ng column para sa dependent data na Y1, Y2,...Yk– huling column). Pagkatapos ay bubuo ng talahanayan para sa pagpasok ng mga kaugnay na datos. Ang talahanayan na puno ay dapat pangalanan bago i-save. Ang function na Load ay mag-clear ng talahanayan.

Ang lumang naka-save na talahanayan ay maaaring ipakita sa pamamagitan ng napili mula sa listahan ng spinner. Ang talahanayan na nagpapakita ay maaaring kalkulahin at ang solusyon ay lilitaw sa dialog na Mga Resulta ng App. Ang function na Print ay maaaring isagawa mula sa dialog na ito sa file na AppMultipleLinearRegressionSolver.txt. Ang Print ay kinabibilangan ng aktibidad na Save Db/Save file sa pamamagitan nito ay napiling folder kung saan ise-save ang file. Pagkatapos piliin ang folder ay lilitaw ang button para sa save. Mula sa parehong aktibidad ay maaaring ipakita ang nilalaman ng napiling file, para palitan ang pangalan ng file o folder, para lumikha ng bagong folder at para rin burahin ang napiling file.

Ang multiple linear regression ay isang makapangyarihang tool sa pagsusuri ng datos, ngunit dapat itong gamitin nang may pag-iingat at pag-unawa sa mga limitasyon nito.

Mga Disbentaha: Sensitibo sa multicollinearity (malakas na ugnayan sa pagitan ng mga independent variable). Hindi palaging nakukuha ang mga nonlinear na relasyon. Nangangailangan ng maingat na pagpapatunay at pagsusuri ng mga pagpapalagay.