App Multiple Linear Regression

ivan gabrovski

Vsebuje oglase

O tej aplikaciji

Večkratna linearna regresija je statistična metoda, ki se uporablja za modeliranje razmerja med eno odvisno spremenljivko in dvema ali več neodvisnimi spremenljivkami z uporabo linearne enačbe, ki jo prilagodimo opazovanim podatkom. Večkratna linearna regresija pojasnjuje, kako več napovedovalcev hkrati vpliva na izhodno spremenljivko.
Glavne komponente večkratne linearne regresije:
- Odvisna spremenljivka (Y): To je spremenljivka, ki jo želimo napovedati. Pogosto se imenuje tudi "ciljna spremenljivka" ali "odziv".
- Neodvisne spremenljivke (X1, X2, ..., Xn): To so spremenljivke, ki jih uporabljamo za napovedovanje odvisne spremenljivke. Pogosto se imenujejo tudi "napovedovalci" ali "pojasnjevalne spremenljivke".
- Regresijski model: Enačba večkratne linearne regresije ima naslednjo obliko:
Y = beta_0 + beta_01* X1 + beta_2*X2 + ... + beta_n* Xn
kjer je:
Y je odvisna spremenljivka. X1, X2, ..., Xn so neodvisne spremenljivke.
beta_0 je konstanta (presečišče). beta_1,beta_2, ..., beta_n so regresijski koeficienti, ki kažejo vpliv ustreznih neodvisnih spremenljivk na odvisno spremenljivko.

Uporaba: - Ekonomija (napovedovanje dohodka); - Zdravstvo (analiza dejavnikov tveganja); - Inženirstvo; - Družboslovje; - Poslovno napovedovanje.
Primer: Napovedovanje cene hiše na podlagi: - Velikosti hiše; - Število spalnic; - Starosti hiše
V aplikaciji je vsak objekt Object_k (object_1, object_2 ... object_m) opisan z neodvisnimi spremenljivkami (Xki – značilnosti, i = 1...n) in eno odvisno spremenljivko (Yk - cilj). Za izračun optimalnih vrednosti koeficientov (beta_0, beta_1, beta_2, ..., beta_n) se uporablja metoda, kot je metoda navadnih najmanjših kvadratov (OLS). Ciljna vrednost se izračuna z:
Y = beta_0 + beta_01* P1 + beta_2 *P2 + ... + beta_n* Pn
kjer so: P1, P2...Pn napovedovalci cilja.
Aplikacija shranjuje podatke za več regresijskih modelov v podatkovno bazo (DB) tipa SQLite z imenom AppMultipleLinearRegression.db. Regresijski modeli se razlikujejo po imenih. Začetni zaslon aplikacije (App Multiple Linear Regression Solver) prikazuje seznam vzorcev regresijskih modelov (v vrtljivem seznamu) in gumbe za omogočanje funkcij za ustvarjanje (New sample), nalaganje (Load), shranjevanje (Save), shranjevanje kot (Save as), izračun (Calculate) in brisanje (Delete) vzorcev regresijskih modelov. Z glavnega zaslona lahko prek elementov menija dostopate tudi do funkcij, kot so izbira jezika, shranjevanje in kopiranje podatkovne baze, inicializacija podatkovne baze z vzorčnimi podatki in pomožne funkcije, kot so pomoč za aplikacijo, nastavitve in povezava do spletnega mesta z opisom vseh aplikacij avtorjev. Funkcije za ustvarjanje (New sample) vključujejo pogovorno okno za vnos velikosti matrike, kjer se vnesejo podatki novega vzorca – število vrstic (število vključenih vrstic za predvidene podatke P1, P2...Pn – zadnja vrstica) in število stolpcev (število vključenih stolpcev za odvisne podatke Y1, Y2,...Yk – zadnji stolpec). Nato se ustvari tabela za vnos ustreznih podatkov. Izpolnjena tabela mora biti pred shranjevanjem poimenovana. Funkcija Naloži počisti tabelo. Stara shranjena tabela se lahko prikaže, če jo izberete s seznama vrtljivih menijev. Prikazana tabela se lahko izračuna in rešitev se prikaže v pogovornem oknu Rezultati aplikacije. Funkcijo Natisni lahko izvedete iz tega pogovornega okna v datoteki AppMultipleLinearRegressionSolver.txt. Funkcija Natisni vključuje aktivnost Shrani podatkovno bazo/Shrani datoteko tako, da izberete mapo, kamor želite shraniti datoteko. Po izbiri mape se prikaže gumb za shranjevanje. Iz iste aktivnosti se lahko prikaže vsebina izbrane datoteke, preimenuje datoteka ali mapa, ustvari nova mapa in izbriše izbrano datoteko. Večkratna linearna regresija je zmogljivo orodje za analizo podatkov, vendar jo je treba uporabljati previdno in z razumevanjem njenih omejitev. Slabosti: Občutljiva je na multikolinearnost (močna korelacija med neodvisnimi spremenljivkami). Ne zajame vedno nelinearnih odnosov. Zahteva skrbno validacijo in preverjanje predpostavk.