נושא זה הדן ברגרסיה ליניארית ( Linear Regression ) הינו המשך ישיר לנושא הקודם אשר דן בקשר בין שני משתנים כמותיים ובמקדם המתאם של פירסון . כזכור , ישנם שני משתנים כמותיים : משתנה מסביר המסומן ב- X ומשתנה מוסבר המסומן ב- Y שנמצא שיש ביניהם קשר ליניארי כלשהו ( על סמך התבוננות בדיאגרמת הפיזור או לפי ערכו של מקדם המתאם של פירסון . ( המטרה ברגרסיה ליניארית היא למצוא את משוואת הישר המתאים ביותר לאפיון הקשר בין שני המשתנים . בעזרת משוואת הישר נוכל לנבא את ערכו של המשתנה המוסבר ( משתנה ( Y על סמך ידיעת ערכו של המשתנה המסביר ( משתנה ( X בלבד . ^ את הישר האופטימאלי לאפיון הקשר בין X ו- Y נסמן ב- , Y = aX + b כאשר a הינו שיפוע הישר ו- b הינו נקודת החיתוך של הישר עם הציר האנכי . הישר האופטימאלי נקרא ישר הרגרסיה לניבוי Y על סמך X או ישר הניבויים . בכדי למצוא את משוואת הישר האופטימאלי עלינו למצוא את ערכיהם של a ( השיפוע ) ושל b ( החותך . ( עקרון / שיטת הריבועים הפחותים : נשאלת השאלה איזה עקרון ינחה אותנו במציאת הקו הליניארי המתאים ביותר לאפיון הקשר בין המשתנה X למשנה Y ( או לחילופין , איזה עקרון ינחה...
אל הספר