Prednosti in slabosti modela večkratne regresije

Večkratna regresija se uporablja za preučevanje razmerja med več neodvisnimi spremenljivkami in odvisno spremenljivko. Medtem ko vam večkratni regresijski modeli omogočajo analizo relativnih vplivov teh neodvisnih ali napovedovalnih spremenljivk odvisna ali kriterijska spremenljivka, ti pogosto zapleteni nabori podatkov lahko vodijo do napačnih zaključkov, če niso analizirani pravilno.

Nepremičninski agent bi lahko uporabil večkratno regresijo za analizo vrednosti hiš. Na primer, kot neodvisne spremenljivke bi lahko uporabila velikost hiš, njihovo starost, število spalnic, povprečno ceno stanovanja v soseski in bližino šol. Če jih vnese v model večkratne regresije, bi nato lahko uporabila te dejavnike, da bi kot merilno spremenljivko videla njihov odnos do cen domov.

Drug primer uporabe modela večkratne regresije je lahko nekdo v kadrih, ki določa plačo na vodstvenih položajih - merilna spremenljivka. Napovedovalne spremenljivke so lahko delovna doba vsakega direktorja, povprečno število opravljenih ur, število ljudi, ki jih vodi, in upravni proračun oddelka.

Analiziranje podatkov z uporabo modela večkratne regresije ima dve glavni prednosti. Prva je zmožnost določanja relativnega vpliva ene ali več napovedovalnih spremenljivk na vrednost merila. Nepremičninski agent bi lahko ugotovil, da sta velikost domov in število spalnic močno povezana s ceno stanovanja doma, medtem ko bližina šol sploh nima nobene korelacije ali celo negativne korelacije, če gre predvsem za upokojitev skupnosti.

Druga prednost je sposobnost prepoznavanja odstopanj ali nepravilnosti. Na primer, med pregledovanjem podatkov, povezanih z menedžerskimi plačami, bi lahko vodja kadrov ugotovil, da število opravljenih ur, velikost oddelka in njegov proračun so bili močno povezani s plačami, delovna doba pa ne. Lahko pa je tudi, da so bile vse navedene napovedovalne vrednosti povezane z vsako preučeno plačo, razen enega upravnika, ki je bil preplačan v primerjavi z drugimi.

Vsaka pomanjkljivost uporabe modela večkratne regresije se običajno nanaša na uporabljene podatke. Dva primera tega sta uporaba nepopolnih podatkov in napačna ugotovitev, da je korelacija vzročna zveza.

Recimo, da je nepremičninski agent pri pregledu cene stanovanj pogledal le 10 domov, od katerih so jih sedem kupili mladi starši. V tem primeru jo lahko razmerje med bližino šol prepriča, da je to vplivalo na prodajno ceno vseh domov, ki se prodajajo v skupnosti. To ponazarja pasti nepopolnih podatkov. Če bi uporabila večji vzorec, bi lahko ugotovila, da je bilo od 100 prodanih domov le deset odstotkov vrednosti domov povezanih z bližino šole. Če bi starost kupcev uporabila kot napovedno vrednost, bi lahko ugotovila, da so mlajši kupci pripravljeni plačati več za domove v skupnosti kot starejši kupci.

Recimo, da je bil na primeru plač vodstvenih delavcev tisti, ki je imel manjši proračun, manj delovne dobe in manj osebja za upravljanje, vendar je zaslužil več kot kdorkoli drug. Vodja kadrovske službe bi lahko pogledal podatke in ugotovil, da je ta posameznik preplačan. Vendar bi bil ta zaključek napačen, če ne bi upošteval, da je bil ta vodja spletnega mesta podjetja in da je imel zelo zaželeno znanje in spretnosti v omrežni varnosti.