01.01.0001 00: 00:00
Çoklu Doğrusal Regresyon
Veri Girişi
İlk sütun yanıt (Y), sonrakiler açıklayıcı değişkenler (X). Tamamen boş X sütunları modele girmez; Y ya da kullanılan bir X hücresi boş olan satırlar atlanır ve bildirilir.
Değişken adları (isteğe bağlı; katsayı tablosu ve denklemde kullanılır).
Ne yapar?
Çoklu doğrusal regresyon y = b₀ + b₁x₁ + … + bkxk denklemini sıradan en küçük
karelerle uydurur ve her katsayıyı sınar. Birden çok formülasyon ya da proses değişkeninin yanıta
birlikte etkisini niceler; yeni ayarlar için belirsizliğiyle birlikte tahmin verir.
Tipik kullanımlar
- Basınç, bağlayıcı oranı ve nem değişkenlerine bağlı tablet sertliği ya da dağılma süresi
- Polimer oranı, plastikleştirici ve kaplama düzeyine karşı bir zaman noktasındaki salım (tarama tasarımları)
- Karıştırma hızı, sürfaktan ve lipit konsantrasyonuna karşı partikül boyutu ya da enkapsülasyon etkinliği
- Yanıt yüzeyi modellemesi öncesi ön analiz; gerekirse kare ve etkileşim sütunlarını kendiniz ekleyin
Çıktı nasıl okunur?
- Katsayılar: diğerleri sabitken o x'in bir birimlik değişimine karşılık y'de beklenen değişim; p < α verinin desteklediği terimi gösterir.
- Model F testi: açıklayıcılar birlikte bir şey açıklıyor mu? R² her eklenen terimle büyür; düzeltilmiş R² işe yaramayanları cezalandırır.
- VIF: 10'un üstünde açıklayıcılar kuvvetle ilişkilidir; model iyi tahmin etse de tekil katsayılar kararsızlaşır.
- Artık grafiği: standartlaştırılmış artıklar sıfır çevresinde rastgele dağılmalı; eğrilik eksik kare terimine, huni biçimi sabit olmayan varyansa işaret eder. Durbin-Watson 2'ye yakınsa giriş sırasında seri bağımlılık yoktur.
- Tahmin: güven aralığı o ayarlardaki ortalama yanıtı, daha geniş öngörü aralığı tek bir gelecek gözlemi kapsar. Veri aralığının dışında ikisi de güvenilmezdir.
Ön şartlar
- Parametre sayısından belirgin biçimde çok gözlem (kaba kural: açıklayıcı başına en az 5–10)
- Doğrusal ilişki, bağımsız gözlemler, yaklaşık sabit varyans ve normal artıklar
- Hiçbir açıklayıcı sabit ya da diğerlerinin tam bileşimi olamaz; araç böyle tasarımı reddeder
Kaynaklar: Draper N.R., Smith H. (1998) Applied Regression Analysis, 3. bs., Wiley, doi:10.1002/9781118625590; Montgomery D.C., Peck E.A., Vining G.G. (2012) Introduction to Linear Regression Analysis, 5. bs., Wiley. Sonuçlar birim testlerinde statsmodels OLS ile karşılaştırılmıştır.