Regressió lineal vs logística
En l'anàlisi estadística, és important identificar les relacions entre les variables relacionades amb l'estudi. De vegades pot ser l'únic propòsit de l'anàlisi en si. Una eina forta que s'utilitza per establir l'existència d'una relació i identificar-la és l'anàlisi de regressió.
La forma més senzilla d'anàlisi de regressió és la regressió lineal, on la relació entre les variables és una relació lineal. En termes estadístics, posa de manifest la relació entre la variable explicativa i la variable resposta. Per exemple, mitjançant la regressió podem establir la relació entre el preu de la mercaderia i el consum a partir de dades recollides d'una mostra aleatòria. L'anàlisi de regressió produirà una funció de regressió del conjunt de dades, que és un model matemàtic que s'ajusta millor a les dades disponibles. Això es pot representar fàcilment mitjançant un diagrama de dispersió. La regressió gràfica equival a trobar la millor corba d'ajust per al conjunt de dades donat. La funció de la corba és la funció de regressió. Utilitzant el model matemàtic, es pot predir l'ús d'una mercaderia per a un preu determinat.
Per tant, l'anàlisi de regressió s'utilitza àmpliament en la predicció i la predicció. També s'utilitza per establir les relacions en dades experimentals, en els camps de la física, la química i en moltes ciències naturals i disciplines de l'enginyeria. Si la relació o la funció de regressió és una funció lineal, el procés es coneix com a regressió lineal. En el diagrama de dispersió, es pot representar com una línia recta. Si la funció no és una combinació lineal dels paràmetres, aleshores la regressió és no lineal.
La regressió logística és comparable a la regressió multivariant i crea un model per explicar l'impacte de múltiples predictors en una variable de resposta. Tanmateix, en la regressió logística, la variable del resultat final hauria de ser categòrica (generalment dividida; és a dir, un parell de resultats assolibles, com ara la mort o la supervivència, tot i que les tècniques especials permeten modelar informació més categoritzada). Una variable de resultat contínua es pot transformar en una variable categòrica, per utilitzar-la per a la regressió logística; tanmateix, es desaconsella principalment col·lapsar variables contínues d'aquesta manera perquè redueix la precisió.
A diferència de la regressió lineal, cap a la mitjana, les variables predictores de la regressió logística no han d'estar obligades a estar connectades linealment, distribuïdes habitualment o a tenir la mateixa variància dins de cada clúster. Com a resultat, la relació entre el predictor i les variables de resultat no és probable que sigui una funció lineal.
Quina diferència hi ha entre la regressió logística i la regressió lineal?
• En la regressió lineal, s'assumeix una relació lineal entre la variable explicativa i la variable resposta i els paràmetres que satisfan el model es troben mitjançant anàlisi, per donar la relació exacta.
• Es realitza una regressió lineal per a variables quantitatives i la funció resultant és una quantitativa.
• A la regressió logística, les dades utilitzades poden ser categòriques o quantitatives, però el resultat sempre és categòric.
