App Multiple Linear Regression

ivan gabrovski

Zawiera reklamy

Informacje o aplikacji

Wielokrotna regresja liniowa to metoda statystyczna stosowana do modelowania relacji między jedną zmienną zależną a dwiema lub więcej zmiennymi niezależnymi poprzez dopasowanie równania liniowego do danych obserwowanych. Wielokrotna regresja liniowa wyjaśnia, jak kilka predyktorów jednocześnie wpływa na zmienną wynikową.
Główne składniki wielokrotnej regresji liniowej:
- Zmienna zależna (Y): To zmienna, którą chcemy przewidzieć. Często nazywana jest również „zmienną docelową” lub „odpowiedzią”.
- Zmienne niezależne (X1, X2, ..., Xn): To zmienne, których używamy do przewidywania zmiennej zależnej. Często nazywane są one również „predyktorami” lub „zmiennymi objaśniającymi”.
- Model regresji: Równanie wielokrotnej regresji liniowej ma następującą postać:
Y = beta_0 + beta_01* X1 + beta_2*X2 + ... + beta_n* Xn
gdzie:
Y to zmienna zależna. X1, X2, ..., Xn to zmienne niezależne.
beta_0 to stała (punkt przecięcia). beta_1, beta_2, ..., beta_n to współczynniki regresji, które wskazują wpływ odpowiednich zmiennych niezależnych na zmienną zależną.

Zastosowania: - Ekonomia (prognozowanie dochodów); - Opieka zdrowotna (analiza czynników ryzyka); - Inżynieria; - Nauki społeczne; - Prognozowanie biznesowe.
Przykład: Prognozowanie ceny domu na podstawie: - Wielkości domu; - Liczby sypialni; - Wieku domu
W aplikacji każdy obiekt Object_k( object_1, object_2 ... object_m) jest opisany za pomocą zmiennych niezależnych ( Xki – cechy, i = 1...n ) i jednej zmiennej zależnej ( Yk – cel). Do obliczenia optymalnych wartości współczynników (beta_0, beta_1, beta_2, ..., beta_n) wykorzystano metodę najmniejszych kwadratów (OLS). Wartość docelowa jest obliczana według wzoru:
Y = beta_0 + beta_01*P1 + beta_2 *P2 + ... + beta_n*Pn
gdzie: P1, P2...Pn to predyktory wartości docelowej.
Aplikacja zapisuje dane dla modeli regresji wielorakiej w bazie danych (DB) typu SQLite o nazwie AppMultipleLinearRegression.db. Modele regresji są rozróżniane według nazwy.
Ekran startowy aplikacji (App Multiple Linear Regression Solver) wyświetla listę próbek modeli regresji (w formie listy rozwijanej) oraz przyciski umożliwiające włączanie funkcji tworzenia (Nowa próbka), ładowania (Załaduj), zapisywania (Zapisz), zapisywania jako (Zapisz jako), obliczania (Oblicz) i usuwania (Usuń) próbek modeli regresji. Z ekranu głównego, za pośrednictwem elementów menu, można również uzyskać dostęp do funkcji takich jak wybór języka, zapisywanie i kopiowanie bazy danych, inicjalizacja bazy danych przykładowymi danymi oraz funkcji pomocniczych, takich jak pomoc dla aplikacji, ustawienia oraz link do strony internetowej z opisem wszystkich aplikacji autorstwa autorów.
Funkcje tworzenia (Nowej próbki) obejmują okno dialogowe do wprowadzania rozmiaru macierzy, w którym wprowadzane są dane nowej próbki – liczba wierszy (liczba wierszy dla danych przewidywanych P1, P2...Pn – ostatni wiersz) oraz liczba kolumn (liczba kolumn dla danych zależnych Y1, Y2,...Yk – ostatnia kolumna). Następnie generowana jest tabela do wprowadzania odpowiednich danych. Wypełniona tabela musi zostać nazwana przed zapisaniem. Funkcja Wczytaj (Load) czyści tabelę.
Stara zapisana tabela może być wyświetlana jako wybrana z listy rozwijanej. Wyświetlana tabela może zostać obliczona, a rozwiązanie pojawi się w oknie dialogowym Wyniki aplikacji. Funkcja Drukuj (Print) może zostać uruchomiona z tego okna dialogowego w pliku AppMultipleLinearRegressionSolver.txt. Aktywność „Drukuj” obejmuje opcję „Zapisz bazę danych/Zapisz plik”, a następnie wskazuje wybrany folder, w którym plik ma zostać zapisany. Po wybraniu folderu pojawia się przycisk „Zapisz”. W tej samej aktywności można wyświetlić zawartość wybranego pliku, zmienić jego nazwę lub folder, utworzyć nowy folder, a także usunąć wybrany plik.
Regresja liniowa wielokrotna to potężne narzędzie do analizy danych, ale należy z niego korzystać ostrożnie, rozumiejąc jego ograniczenia.
Wady: Wrażliwość na multikolinearność (silną korelację między zmiennymi niezależnymi). Nie zawsze odzwierciedla zależności nieliniowe. Wymaga starannej walidacji i weryfikacji założeń.