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.

Model Parametreleri
An error has occurred. This application may no longer respond until reloaded. Reload 🗙