App Multiple Linear Regression

ivan gabrovski

Innehåller annonser

Om appen

Multipel linjär regression är en statistisk metod som används för att modellera sambandet mellan en beroende variabel och två eller flera oberoende variabler genom att anpassa en linjär ekvation till observerade data. Multipel linjär regression förklarar hur flera prediktorer samtidigt påverkar en utfallsvariabel.

Huvudkomponenter i multipel linjär regression:

- Beroende variabel (Y): Detta är den variabel vi vill förutsäga. Den kallas ofta även "målvariabel" eller "respons".

- Oberoende variabler (X1, X2, ..., Xn): Dessa är de variabler vi använder för att förutsäga den beroende variabeln. De kallas ofta även "prediktorer" eller "förklarande variabler".

- Regressionsmodell: Ekvationen för multipel linjär regression har följande form:

Y = beta_0 + beta_01* X1 + beta_2*X2 + ... + beta_n* Xn
där:
Y är den beroende variabeln. X1, X2, ..., Xn är de oberoende variablerna.
beta_0 är konstanten (interceptet). beta_1, beta_2, ..., beta_n är regressionskoefficienterna som indikerar inverkan av motsvarande oberoende variabler på den beroende variabeln.

Tillämpningar: - Ekonomi (inkomstprognos); - Hälso- och sjukvård (riskfaktoranalys); - Teknik; - Samhällsvetenskap; - Företagsprognoser.
Exempel: Förutsägelse av huspris baserat på: - Husets storlek; - Antal sovrum; - Husets ålder
I appen beskrivs varje objekt Object_k(objekt_1, objekt_2 ... objekt_m) av oberoende variabler (Xki – egenskaper, i = 1...n) och en beroende variabel (Yk - mål). En metod som ordinär minstakvadratmetoden (OLS) används för att beräkna de optimala värdena för koefficienterna (beta_0, beta_1, beta_2, ..., beta_n). Målvärdet beräknas genom:
Y = beta_0 + beta_01* P1 + beta_2 *P2 + ... + beta_n* Pn
där: P1, P2...Pn är prediktorer för målet.

Applikationen sparar data för flera regressionsmodeller i en databas (DB) av typen SQLite med namnet AppMultipleLinearRegression.db. Regressionsmodellerna skiljer sig åt med namn.
Applikationens startskärm (App Multiple Linear Regression Solver) visar en lista med exempel på regressionsmodeller (i spinnerlistan) och knappar för att aktivera funktionerna för att skapa (Nytt exempel), ladda (Load), spara (Save), spara som (Save as), beräkna (Calculate) och ta bort (Delete) exempel på regressionsmodeller. Från huvudskärmen, via menyelementen, kan du också komma åt funktioner som språkval, spara och kopiera databasen, initiera databasen med exempeldata och hjälpfunktioner som hjälp för applikationen, inställningar och en länk till webbplatsen med en beskrivning av alla applikationer av författarna.

Funktionerna för att skapa (Nytt exempel) inkluderar dialogrutan för att mata in matrisstorleken där data för nytt exempel matas in – antal rader (antalet inkluderade rader för förutspådda data P1, P2...Pn – sista raden) och antal kolumner (antalet inkluderade kolumner för beroende data Y1, Y2,...Yk – sista kolumnen). Sedan genereras en tabell för att mata in relevant data. Den ifyllda tabellen måste namnges innan den sparas. Funktionen Ladda rensa tabellen. Den gamla sparade tabellen kan visas genom att välja från rotationslistan. Den visade tabellen kan beräknas och lösningen visas i dialogrutan Appresultat. Funktionen Skriv ut kan köras från denna dialogruta i filen AppMultipleLinearRegressionSolver.txt. Aktiviteten Skriv ut inkluderar aktiviteten Spara databas/Spara fil i den valda mappen där filen ska sparas. Efter att ha valt mapp visas en knapp för att spara. Från samma aktivitet kan innehållet i den valda filen visas, för att byta namn på fil eller mapp, för att skapa en ny mapp och även för att ta bort den valda filen. Multipel linjär regression är ett kraftfullt dataanalysverktyg, men det måste användas med försiktighet och förståelse för dess begränsningar. Nackdelar: Känslig för multikollinearitet (stark korrelation mellan oberoende variabler). Fångar inte alltid ickelinjära samband. Kräver noggrann validering och kontroll av antaganden.