Regresja liniowa - które założenia sprawdzić

Regresja wieloraka pozwala przewidywać zmienną zależną na podstawie kilku predyktorów, ale jej wnioski są wiarygodne tylko przy spełnionych założeniach: liniowości związku, normalności reszt, stałej wariancji reszt (homoscedastyczność) i braku silnej współliniowości predyktorów.

Współliniowość sprawdza się wskaźnikiem VIF (wartości powyżej ok. 5-10 to sygnał ostrzegawczy). Reszty ocenia się wykresami. Jeśli założenia są złamane, rozważ transformacje zmiennych lub modele odporne. W raporcie podaj współczynniki, ich istotność, R kwadrat oraz informację o sprawdzeniu założeń.

Przykład: przewidujesz wynik egzaminu na podstawie godzin nauki, snu i poziomu stresu. Zanim zinterpretujesz współczynniki, sprawdzasz VIF (czy predyktory się nie dublują), wykres reszt (czy wariancja jest stała) i normalność reszt. Typowy błąd to interpretacja współczynników mimo silnej współliniowości - wtedy stają się niestabilne i mylące.

Wskazówka: obserwacje odstające i wpływowe sprawdzaj m.in. odległością Cooka. W raporcie podaj tabelę współczynników (B, beta, p), R kwadrat oraz istotność całego modelu (test F) i dopisz, że założenia zweryfikowano.

Regresja liniowa daje wiarygodne wnioski tylko przy sprawdzonych założeniach - to o nie najczęściej pyta recenzent. W raporcie z naszego serwisu diagnostyka założeń (VIF, reszty, obserwacje wpływowe) jest częścią analizy; szczegóły i wycenę znajdziesz w konfiguratorze.