Регресионният модел е математически модел, който се стреми да определи връзката между зависима променлива (Y) по отношение на други променливи, наречена обяснителна или независима (X).
Регресионният модел често се използва в социалните науки, за да се определи дали съществува причинно-следствена връзка между зависима променлива (Y) и набор от други обяснителни променливи (X). По същия начин моделът се стреми да определи какво ще бъде въздействието върху променлива Y в случай на промяна в обяснителните променливи (X).
По този начин, например, икономист може да се интересува от определянето на връзката между доходите на работниците и тяхното ниво на образование. За това бих могъл да направя регресионен модел, при който независимата променлива (Y) ще бъде доходът на работника. По отношение на обяснителните променливи (X) трябва да бъдат включени всички, които биха могли да обяснят дохода, сред които са, разбира се, образование, опит, образование на родителите и т.н.
Регресионен анализФорма на регресионен модел
Моделът на простата регресия има следната форма:
Y = A + BX + u
Y = зависима или ендогенна променлива
X = независима или обяснителна променлива
A, B = фиксирани и неизвестни параметри
u = термин за грешка, който включва всички останали фактори, които влияят на Y, но не са включени в модела. Можете също така да уловите грешките в оценката на зависимата променлива. Не се наблюдава.
След това целта на регресионния модел ще бъде да се изчислят стойностите на A и B от проба.
Значение на променливите
Параметър Б трябва да отразява въздействието на промяна в X върху променлива Y, когато останалите обяснителни променливи остават постоянни (ceteris paribus).
Междувременно параметърът A изобщо не влияе на връзката между Y и X. Следователно това е само нормализация, при която се приема, че средната стойност на u ще бъде нула.
Например, модел на линейна регресия ще бъде съставен, както следва:
