Linearna vs logistička regresija
U statističkoj analizi važno je identificirati odnose između varijabli koje se odnose na studiju. Ponekad to može biti jedina svrha same analize. Jedan snažan alat koji se koristi za utvrđivanje postojanja odnosa i identificiranje odnosa je regresijska analiza.
Najjednostavniji oblik regresijske analize je linearna regresija, gdje je odnos između varijabli linearan odnos. U statističkom smislu, otkriva odnos između objašnjavajuće varijable i varijable odgovora. Na primjer, korištenjem regresije možemo utvrditi odnos između cijene robe i potrošnje na temelju podataka prikupljenih iz slučajnog uzorka. Regresijska analiza će proizvesti regresijsku funkciju skupa podataka, što je matematički model koji najbolje odgovara dostupnim podacima. To se lako može prikazati dijagramom raspršenosti. Grafički regresija je ekvivalentna pronalaženju krivulje koja najbolje odgovara danom skupu podataka. Funkcija krivulje je regresijska funkcija. Korištenjem matematičkog modela može se predvidjeti korištenje robe za danu cijenu.
Stoga se regresijska analiza široko koristi u predviđanju i predviđanju. Također se koristi za uspostavljanje odnosa u eksperimentalnim podacima, u poljima fizike, kemije iu mnogim prirodnim znanostima i inženjerskim disciplinama. Ako je odnos ili regresijska funkcija linearna funkcija, tada je proces poznat kao linearna regresija. U dijagramu raspršenosti može se prikazati kao ravna linija. Ako funkcija nije linearna kombinacija parametara, tada je regresija nelinearna.
Logistička regresija je usporediva s multivarijantnom regresijom i stvara model za objašnjenje utjecaja višestrukih prediktora na varijablu odgovora. Međutim, u logističkoj regresiji, varijabla krajnjeg rezultata trebala bi biti kategorička (obično podijeljena; tj. par mogućih ishoda, poput smrti ili preživljavanja, iako posebne tehnike omogućuju modeliranje više kategoriziranih informacija). Kontinuirana varijabla ishoda može se transformirati u kategoričku varijablu koja se koristi za logističku regresiju; međutim, sažimanje kontinuiranih varijabli na ovaj način uglavnom se ne preporučuje jer smanjuje točnost.
Za razliku od linearne regresije, prema srednjoj vrijednosti, prediktorske varijable u logističkoj regresiji ne moraju biti prisiljene biti linearno povezane, uobičajeno raspodijeljene ili imati jednaku varijancu unutar svakog klastera. Kao rezultat toga, odnos između prediktora i varijabli ishoda vjerojatno neće biti linearna funkcija.
Koja je razlika između logističke i linearne regresije?
• U linearnoj regresiji, pretpostavlja se linearni odnos između eksplanatorne varijable i varijable odgovora, a parametri koji zadovoljavaju model nalaze se analizom, kako bi se dobio točan odnos.
• Linearna regresija provodi se za kvantitativne varijable, a rezultirajuća funkcija je kvantitativna.
• U logističkoj regresiji korišteni podaci mogu biti ili kategorički ili kvantitativni, ali rezultat je uvijek kategorički.
