콘텐츠
다중 회귀 분석은 여러 독립 변수와 종속 변수 간의 관계를 검사하는 데 사용됩니다. 다중 회귀 모델을 사용하면 이러한 독립 변수 또는 예측 변수가 종속 변수 또는 기준 변수에 미치는 영향을 분석 할 수 있지만 이러한 복잡한 데이터 세트가 제대로 분석되지 않으면 잘못된 결론을 초래할 수 있습니다.
다중 회귀의 예
부동산 중개인은 다중 회귀 분석을 사용하여 주택 가치를 분석 할 수 있습니다. 예를 들어, 그녀는 집의 크기, 연령, 침실 수, 주변의 평균 주택 가격 및 학교와의 근접성 등을 독립 변수로 사용할 수 있습니다. 이를 다중 회귀 모델로 플로팅 한 다음 이러한 요인을 사용하여 주택 가격과의 관계를 기준 변수로 볼 수 있습니다.
다중 회귀 모델을 사용하는 또 다른 예는 인적 자원에서 관리 위치의 급여 (기준 변수)를 결정하는 사람 일 수 있습니다. 예측 변수는 각 관리자의 선임, 평균 근무 시간, 관리되는 직원 수 및 관리자 부서 예산이 될 수 있습니다.
다중 회귀의 장점
다중 회귀 모델을 사용하여 데이터를 분석하면 두 가지 주요 이점이 있습니다. 첫 번째는 하나 이상의 예측 변수가 기준 값에 대한 상대적인 영향을 결정하는 능력입니다. 부동산 중개인은 집의 크기와 침실 수는 주택 가격과 강한 상관 관계를 가지고 있지만 학교와의 근접성은 전혀 상관 관계가 없거나 주로 퇴직 인 경우 부정적인 상관 관계가 있음을 알 수 있습니다 커뮤니티.
두 번째 장점은 특이 치 또는 이상을 식별하는 기능입니다. 예를 들어, 관리 급여와 관련된 데이터를 검토하는 동안 인사 관리자는 근무 시간, 부서 규모 및 예산이 모두 급여와 강한 상관 관계를 가지고 있지만 선배는 그렇지 않은 것을 알 수 있습니다. 대안으로, 열거 된 모든 예측 변수 값은 다른 직원에 비해 과잉 지불 된 한 관리자를 제외하고는 검사중인 각 급여와 상관 관계가있을 수 있습니다.
다중 회귀의 단점
다중 회귀 모델 사용의 단점은 일반적으로 사용중인 데이터에 있습니다. 이에 대한 두 가지 예는 불완전한 데이터를 사용하고 상관이 인과 관계라는 잘못된 결론을 내립니다.
예를 들어, 주택 가격을 검토 할 때 부동산 중개인이 10 개의 주택 만 보았으며 그 중 7 개는 어린 부모가 구입했다고 가정합니다. 이 경우 학교와의 근접성 사이의 관계는 이것이 지역 사회에서 판매되는 모든 주택의 판매 가격에 영향을 미쳤다고 믿게 할 수 있습니다. 이것은 불완전한 데이터의 함정을 보여줍니다. 그녀가 더 큰 표본을 사용했다면, 100 채의 주택 중 주택 가치의 10 %만이 학교 근접성과 관련이 있다는 것을 알 수있었습니다. 그녀가 구매자 연령을 예측값으로 사용했다면, 젊은 구매자가 나이가 많은 구매자보다 커뮤니티의 주택에 더 많은 돈을 지불 할 의사가 있음을 알 수있었습니다.
관리 급여의 예에서 예산이 적고, 연수가 적으며 관리 할 인력이 적지 만 다른 사람보다 많은 사람이있는 사람이 있다고 가정하십시오. HR 관리자는 데이터를보고이 개인이 과다 지불되었다고 결론 지을 수 있습니다. 그러나이 관리자가 회사 웹 사이트를 담당하고 네트워크 보안에 대해 매우 탐욕스러운 기술을 보유하고 있다는 사실을 고려하지 않으면이 결론은 잘못 될 것입니다.