მრავალჯერადი რეგრესიის მოდელის უპირატესობები და ნაკლოვანებები

მრავალჯერადი რეგრესია გამოიყენება რამდენიმე დამოუკიდებელ ცვლადსა და დამოკიდებულ ცვლადს შორის კავშირის შესასწავლად. მიუხედავად იმისა, რომ მრავალი რეგრესიის მოდელი საშუალებას გაძლევთ გააანალიზოთ ამ დამოუკიდებელი ან პროგნოზირებადი ცვლადების ფარდობითი გავლენა დამოკიდებულია, ან კრიტერიუმზე, ცვლადზე, ამ ხშირად რთულ მონაცემთა ნაკრებმა შეიძლება გამოიწვიოს ცრუ დასკვნები, თუ ისინი არ გაანალიზდება სწორად

უძრავი ქონების აგენტს შეეძლო მრავალჯერადი რეგრესიის გამოყენება სახლების ღირებულების გასაანალიზებლად. მაგალითად, მას შეეძლო დამოუკიდებელ ცვლადებად გამოეყენებინა სახლების ზომა, მათი ასაკი, საძინებლების რაოდენობა, სახლის საშუალო ფასი სამეზობლოში და სკოლებთან სიახლოვე. ამის გეგმა მრავალჯერადი რეგრესიის მოდელში, შემდეგ მას შეეძლო ეს ფაქტორები გამოეყენებინა, რომ კრიტერიუმებად დაენახა მათი ურთიერთობა სახლების ფასებთან.

მრავალჯერადი რეგრესიის მოდელის გამოყენების კიდევ ერთი მაგალითი შეიძლება იყოს ადამიანური რესურსების მქონე ადამიანი, რომელიც განსაზღვრავს მენეჯმენტის თანამდებობრივ სარგოს - კრიტერიუმის ცვლადს. პროგნოზირების ცვლადები შეიძლება იყოს თითოეული მენეჯერის სტაჟი, სამუშაო საათების საშუალო რაოდენობა, მმართველ ადამიანთა რაოდენობა და მენეჯერის უწყებრივი ბიუჯეტი.

მრავალრიცხოვანი რეგრესიული მოდელის გამოყენებით მონაცემების ანალიზს ორი მთავარი უპირატესობა აქვს. პირველი არის უნარი განსაზღვროს ერთი ან მეტი პროგნოზირებადი ცვლადის კრიტერიუმის მნიშვნელობასთან შედარებით. უძრავი ქონების სააგენტომ დაადგინა, რომ სახლების ზომა და საძინებლების რაოდენობა მჭიდრო კორელაციაშია ა სახლში, ხოლო სკოლებთან სიახლოვეს საერთოდ არ აქვს კორელაცია, ან თუნდაც უარყოფითი კორელაცია, თუ ეს პირველ რიგში საპენსიოა საზოგადოება.

მეორე უპირატესობა არის დაშორების, ან ანომალიების დადგენის შესაძლებლობა. მაგალითად, მენეჯმენტის ხელფასებთან დაკავშირებული მონაცემების გადახედვისას, ადამიანური რესურსების მენეჯერმა შეიძლება დაადგინოს, რომ სამუშაო საათების რაოდენობა, დეპარტამენტის ზომა და მისი ბიუჯეტი მჭიდრო კორელაციაში იყო ხელფასებთან, ხოლო სტაჟირება - ამას არა სხვაგვარად, შეიძლება ყველა ჩამოთვლილი პროგნოზირების მნიშვნელობა იყოს კორელაციაში შესამოწმებელ ხელფასთან, გარდა ერთი მენეჯერისა, რომელიც ზედმეტად ანაზღაურდებოდა სხვა დანარჩენებთან შედარებით.

მრავალრიცხოვანი რეგრესიის მოდელის გამოყენების ნებისმიერი მინუსი ჩვეულებრივ გამოიყენება მონაცემების გამოყენებაში. ამის ორი მაგალითია არასრული მონაცემების გამოყენება და ცრუ დასკვნა, რომ კორელაცია არის მიზეზობრივი კავშირი.

მაგალითად, სახლების ფასის განხილვისას, ჩათვალეთ, რომ უძრავი ქონების სააგენტომ მხოლოდ 10 სახლს დაათვალიერა, რომელთაგან შვიდი ახალგაზრდა მშობლებმა შეიძინეს. ამ შემთხვევაში, სკოლების სიახლოვეს შორის ურთიერთობამ შეიძლება დააფიქროს, რომ ამან გავლენა იქონია საზოგადოებაში გაყიდული ყველა სახლის გაყიდვის ფასზე. ეს ასახავს არასრული მონაცემების ხაფანგებს. უფრო დიდი ნიმუშის გამოყენების შემთხვევაში, მას შეეძლო გაერკვია, რომ გაყიდული 100 სახლიდან სახლის ღირებულებების მხოლოდ ათი პროცენტი იყო დაკავშირებული სკოლის სიახლოვესთან. თუ მან გამოიყენა მყიდველთა ასაკი, როგორც პროგნოზირებადი ღირებულება, მას შეეძლო გაერკვია, რომ ახალგაზრდა მყიდველები მზად იყვნენ უფრო მეტი თანხა გადაეხადათ საზოგადოების სახლებში, ვიდრე ძველი მყიდველები.

მენეჯმენტის ხელფასების მაგალითზე, ჩათვალეთ, რომ იყო ერთი გარეგანი ადამიანი, რომელსაც ჰქონდა ნაკლები ბიუჯეტი, ნაკლები სტაჟი და ნაკლები პერსონალი უნდა მართოს, მაგრამ აკეთებდა უფრო მეტს, ვიდრე სხვები. HR მენეჯერს შეეძლო მონაცემების დათვალიერება და დაასკვნა, რომ ამ ინდივიდს ზედმეტად უხდიან. ამასთან, ეს დასკვნა არასწორი იქნებოდა, თუ მან არ გაითვალისწინა, რომ ამ მენეჯერს ევალებოდა კომპანიის ვებ – გვერდი და ჰქონდა ქსელის უსაფრთხოების უაღრესად სასურველი გამოცდილება.