Un regressore \u00e8 detto anche:<\/span><\/p>\n Tutti questi termini sono usati in modo intercambiabile a seconda del tipo di campo in cui lavori: statistica, apprendimento automatico, econometria, biologia, ecc.<\/span><\/p>\n Nota:<\/strong> a volte una variabile di risposta viene definita “regressibile”.<\/span><\/p>\n La maggior parte dei modelli di regressione assumono la forma seguente:<\/span><\/p>\n Y = \u03b2 0<\/sub> + B 1<\/sub> x 1<\/sub> + B 2<\/sub> x 2<\/sub> + B 3<\/sub> x 3<\/sub> + \u03b5<\/strong><\/span><\/p>\n Oro:<\/span><\/p>\n Lo scopo della costruzione di un modello di regressione \u00e8 capire come i cambiamenti in un regressore portano a cambiamenti in una variabile di risposta (o \u201cregressore\u201d).<\/span><\/p>\n Si noti che i modelli di regressione possono avere uno o pi\u00f9 regressori.<\/span><\/p>\n Quando \u00e8 presente un solo regressore, il modello \u00e8 denominato modello di regressione lineare semplice<\/a> , mentre quando sono presenti pi\u00f9 regressori il modello \u00e8 denominato modello di regressione lineare multipla<\/a> per indicare che sono presenti pi\u00f9<\/em> regressori.<\/span><\/p>\n Gli esempi seguenti illustrano come interpretare i regressori in diversi modelli di regressione.<\/span><\/p>\n Supponiamo che un agricoltore voglia comprendere i fattori che influenzano la resa totale del raccolto (in libbre). Raccoglie dati e costruisce il seguente modello di regressione:<\/span><\/p>\n Resa del raccolto = 154,34 + 3,56*(libbre di fertilizzante) + 1,89*(libbre di terreno)<\/span><\/p>\n Questo modello ha due regressori: fertilizzante e suolo.<\/span><\/p>\n Ecco come interpretare questi due regressori:<\/span><\/p>\n Supponiamo che un professore voglia capire come il numero di ore studiate influisce sui punteggi degli esami. Raccoglie dati e costruisce il seguente modello di regressione:<\/span><\/p>\n Punteggio esame = 68,34 + 3,44* (ore studiate)<\/span><\/p>\n Questo modello include un regressore: ore studiate. Interpretiamo il coefficiente di questo regressore nel senso che per ogni ora aggiuntiva studiata, il punteggio dell’esame aumenta in media di 3,44 punti.<\/span> <\/p>\n Come interpretare i coefficienti di regressione<\/a> In statistica, un regressore \u00e8 il nome dato a qualsiasi variabile in un modello di regressione utilizzato per prevedere una variabile di risposta. Un regressore \u00e8 detto anche: Una variabile esplicativa Una variabile indipendente Una variabile manipolata Una previsione variabile Una caratteristica Tutti questi termini sono usati in modo intercambiabile a seconda del tipo di […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
Regressori nei modelli di regressione<\/strong><\/span><\/h3>\n
\n
Esempio 1: resa del raccolto<\/strong><\/span><\/h3>\n
\n
![\"Esempio](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/regresseur1.png\")
<\/p>\n Esempio 2: risultati dell’esame<\/strong><\/span><\/h3>\n
![\"Regressore](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/regresseur2.png\")
<\/p>\n Risorse addizionali<\/strong><\/span><\/h3>\n
Come testare il significato di una pendenza di regressione<\/a>
Come leggere e interpretare una tabella di regressione<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"