Birden fazla bağımsız değişken ile bir bağımlı değişken arasındaki ilişkiyi incelemek için çoklu regresyon kullanılır. Çoklu regresyon modelleri, bu bağımsız veya tahmin edici değişkenlerin göreceli etkilerini analiz etmenize izin verirken, bağımlı veya ölçüt değişkeni, bu genellikle karmaşık veri kümeleri, analiz edilmezlerse yanlış sonuçlara yol açabilir uygun şekilde.
Çoklu Regresyon Örnekleri
Bir emlakçı, evlerin değerini analiz etmek için çoklu regresyon kullanabilir. Örneğin, evlerin büyüklüklerini, yaşlarını, yatak odalarını, mahalledeki ortalama ev fiyatını ve okullara yakınlığını bağımsız değişkenler olarak kullanabilir. Bunları bir çoklu regresyon modelinde çizerek, daha sonra bu faktörleri, kriterlerin değişkeni olarak ev fiyatlarıyla ilişkilerini görmek için kullanabilir.
Çoklu regresyon modeli kullanmanın başka bir örneği, insan kaynaklarında yönetim pozisyonlarının maaşını belirleyen biri olabilir – kriter değişkeni. Tahmin değişkenleri, her bir yöneticinin kıdemi, ortalama çalışılan saat sayısı, yönetilen kişi sayısı ve yöneticinin departman bütçesi olabilir.
Çoklu Regresyonun Avantajları
Çoklu regresyon modeli kullanarak verileri analiz etmenin iki ana avantajı vardır. Birincisi, bir veya daha fazla yordayıcı değişkenin kriter değerine göreli etkisini belirleme yeteneğidir. Emlakçı, evlerin büyüklüğünün ve yatak odası sayısının bir evin fiyatıyla güçlü bir ilişkisi olduğunu bulabilir. ev, okullara yakınlık hiçbir korelasyona sahip değilken, hatta esas olarak bir emeklilik ise negatif bir korelasyon topluluk.
İkinci avantaj, aykırı değerleri veya anormallikleri tanımlama yeteneğidir. Örneğin, insan kaynakları yöneticisi yönetim maaşlarına ilişkin verileri incelerken, çalışılan saat sayısı, departman büyüklüğü ve bütçesi maaşlarla güçlü bir ilişkiye sahipken, kıdem değil. Alternatif olarak, listelenen tüm tahmin edici değerlerin, diğerlerine kıyasla fazla ödeme alan bir yönetici dışında, incelenen maaşların her biri ile ilişkili olması olabilir.
Çoklu Regresyonun Dezavantajları
Çoklu regresyon modeli kullanmanın herhangi bir dezavantajı genellikle kullanılan verilere bağlıdır. Bunun iki örneği, eksik veri kullanmak ve bir korelasyonun bir nedensellik olduğu konusunda yanlış bir sonuca varmaktır.
Örneğin, evlerin fiyatlarını incelerken, emlakçının yedi tanesi genç ebeveynler tarafından satın alınan sadece 10 eve baktığını varsayalım. Bu durumda, okulların yakınlığı arasındaki ilişki, bu durumun toplulukta satılan tüm evlerin satış fiyatı üzerinde bir etkisi olduğuna inanmasına neden olabilir. Bu, eksik verilerin tuzaklarını göstermektedir. Daha büyük bir örneklem kullanmış olsaydı, satılan 100 evden, ev değerlerinin sadece yüzde onunun bir okulun yakınlığıyla ilgili olduğunu bulabilirdi. Alıcıların yaşlarını bir tahmin değeri olarak kullanmış olsaydı, genç alıcıların topluluktaki evler için yaşlı alıcılardan daha fazla ödemeye istekli olduklarını görebilirdi.
Yönetim maaşları örneğinde, daha küçük bir bütçeye, daha az kıdeme sahip ve yönetecek daha az personeli olan ancak herkesten daha fazla kazanan bir aykırı değer olduğunu varsayalım. İK yöneticisi verilere bakabilir ve bu kişiye fazla ödeme yapıldığı sonucuna varabilir. Ancak, bu yöneticinin şirketin web sitesinden sorumlu olduğunu ve ağ güvenliği konusunda son derece imrenilen bir beceri setine sahip olduğunu hesaba katmasaydı, bu sonuç hatalı olurdu.