Kuo skiriasi daugialypė tiesinė regresija nuo daugiamatės regresijos? https://www.quora.com/What-is-an-intuitive-explanation-of-a-multivariate-regression


Atsakymas 1:

Regresinės analizės rezultatas yra formulė, kurios forma Y = a + bX. Daugybinė regresija turi daugiau nei vieną X vienoje formulėje. Daugiamatė regresija turi daugiau nei vieną Y, bet skirtingomis formulėmis. Daugiamačioji daugialypė regresija turi daugybę X, kad būtų galima numatyti kelis Y su kiekviena Y skirtingoje formulėje, paprastai remiantis tais pačiais duomenimis.

Daugybinis regresijos dalykas yra moksleivių daiktai. Daugiapakopis kintamasis yra šiek tiek sudėtingesnis - skirtingos Y vertės yra gaunamos naudojant tuos pačius duomenis, tačiau jų apibrėžimas skiriasi. Pavyzdžiui, daugybinė regresija naudojama įsipareigojimų neįvykdymo tikimybės (PD) modeliui, tačiau daugiamatė analizė, skirta įvertinti skirtingus numatytųjų apibrėžimus, atsižvelgiant į tai, kada ir kiek. Taip pat galima prarasti nuostolius, atsižvelgiant į įsipareigojimų neįvykdymą, susidėvėjimo riziką ir panašiai. Kiekvienas iš modelių yra daugialypis, tačiau komplektas yra daugialypis.


Atsakymas 2:

Tinkamai tariant, daugiamatė regresija taikoma tuo atveju, kai yra daugiau nei vienas priklausomas kintamasis, o daugialypė regresija taikoma tuo atveju, kai yra viena DV, bet daugiau nei viena IV. Tačiau daugelis autorių naudoja „daugialypį kintamąjį“, kur jie turėtų naudoti „kelis“ (dažniausiai tai autoriai kitose srityse, nei ta statistika)