В заключительном модуле курса мы поговорим о модели линейной регрессии, которая позволяет не только делать вывод о связи между признаками, но и строить прогноз, т. е. рассчитывать значение одного (зависимого) признака, зная значения других, определяющих его. Мы начнем с общей идеи модели, поговорим о возможностях и ограничениях инструмента. Затем на примере пошагово разберем, как построить модель линейной регрессии, как оценить ее качество и как построить прогноз на основе модели. Базовый пример модуля — модель, построенная на реальных данных, предоставленных компанией 2GIS.
- Модель линейной регрессии: основная идея
- Типы данных
- Оценки параметров регрессии
- Оценка качества модели
- Отбор значимых признаков
- Мультиколлинеарность
- Гетероскедастичность
- Проверка предположений о модели
- Прогноз
- Практика 1. Линейная регрессия в R
- Практика 2. Линейная регрессия в SPSS