Вишеструка регресија се користи за испитивање везе између неколико независних променљивих и зависне променљиве. Иако вам модели вишеструке регресије омогућавају да анализирате релативни утицај ових независних променљивих варијабли зависна променљива или критеријум, ови често сложени скупови података могу довести до лажних закључака ако се не анализирају прописно.
Примери вишеструке регресије
Агент за промет некретнинама могао би да користи вишеструку регресију за анализу вредности кућа. На пример, могла би да користи као независне променљиве величину кућа, њихову старост, број спаваћих соба, просечну цену куће у суседству и близину школа. Уцртавајући их у модел вишеструке регресије, она би затим могла да користи ове факторе да види њихов однос према ценама домова као променљиву критеријума.
Још један пример коришћења модела вишеструке регресије могао би бити неко у људским ресурсима који одређује плату на руководећим позицијама - променљива критеријума. Променљиве предиктора могу бити стаж сваког менаџера, просечан број одрађених сати, број људи којима се управља и буџет одељења менаџера.
Предности вишеструке регресије
Две су главне предности анализе података помоћу модела вишеструке регресије. Прва је способност одређивања релативног утицаја једне или више предикторских променљивих на вредност критеријума. Агент за промет некретнинама могао би открити да величина домова и број спаваћих соба имају снажну корелацију са ценом стана кући, док близина школа уопште нема корелације, па чак ни негативну корелацију ако је то првенствено пензионисање заједнице.
Друга предност је способност идентификовања одступања или аномалија. На пример, док је прегледавао податке у вези са менаџерским платама, менаџер људских ресурса могао би да утврди да је број одрађених сати, величина одељења и његов буџет имали су снажну корелацију са платама, док је стаж имао не. Алтернативно, може бити да су све наведене вредности предиктора повезане са сваком од плата које се испитују, осим једног менаџера који је био преплаћен у поређењу са осталима.
Мане вишеструке регресије
Сваки недостатак употребе модела вишеструке регресије обично се своди на податке који се користе. Два примера за то су коришћење непотпуних података и лажни закључак да је корелација узрочна.
На пример, приликом прегледа цене домова, претпоставимо да је агент за промет некретнина погледао само 10 домова, од којих су седам купили млади родитељи. У овом случају, однос између близине школа може је навести да верује да је то утицало на продајну цену свих домова који се продају у заједници. Ово илуструје замке непотпуних података. Да је користила већи узорак, могла би открити да се од 100 проданих домова само десет посто вредности домова односило на близину школе. Да је старосну доб купаца користила као предикторску вредност, могла би открити да су млађи купци спремни да плате домове у заједници више од старијих купаца.
У примеру менаџерских плата, претпоставимо да је постојао један ванземаљац који је имао мањи буџет, мање стажа и са мање особља за управљање, али је зарађивао више од било кога другог. Менаџер људских ресурса могао би да погледа податке и закључи да се овој особи преплаћује. Међутим, овај закључак био би погрешан ако не би узео у обзир да је овај менаџер био задужен за веб локацију компаније и да је имао врло жељени скуп вештина у мрежној безбедности.