Ci\u00f2 contrasta con il vecchio “coefficiente di regressione”, che \u00e8 il nome dato al coefficiente di regressione in un semplice modello di regressione lineare<\/a> .<\/span><\/p>\n Il modo di interpretare un coefficiente di regressione parziale \u00e8 il seguente: la variazione media nella variabile di risposta<\/a> associata a un aumento di un’unit\u00e0 in una determinata variabile predittiva, presupponendo che tutte le altre variabili predittive rimangano costanti.<\/span><\/p>\n L’esempio seguente spiega come identificare e interpretare i coefficienti di regressione parziale in un modello di regressione lineare multipla.<\/span><\/p>\n Supponiamo di voler sapere se il numero di ore trascorse a studiare e il numero di esami preparatori sostenuti influiscono sul voto che uno studente ottiene in un determinato esame di ammissione all’universit\u00e0.<\/span><\/p>\n Per esplorare questa relazione, possiamo adattare un modello di regressione lineare multipla utilizzando le ore studiate<\/strong> e gli esami preparatori sostenuti<\/strong> come variabili predittive e i punteggi degli esami<\/strong> come variabile di risposta.<\/span><\/p>\n La seguente tabella di regressione mostra il risultato del modello:<\/span> <\/p>\n Ecco come interpretare i coefficienti di regressione parziale:<\/span><\/p>\n Ore:<\/strong> per ogni ora aggiuntiva trascorsa a studiare, il punteggio dell’esame aumenta in media di 5,56<\/strong> punti, assumendo che il numero di esami pratici rimanga costante.<\/span><\/p>\n Ecco un altro modo di vedere la cosa: se lo studente A e lo studente B sostengono entrambi lo stesso numero di esami preparatori ma lo studente A studia un’ora in pi\u00f9, allora lo studente A dovrebbe ottenere un punteggio di 5,56 pi\u00f9 alto rispetto a quello dello studente B.<\/span><\/p>\n Esami preparatori:<\/strong> per ogni ulteriore esame preparatorio sostenuto, il punteggio dell’esame diminuisce in media di 0,60<\/strong> punti, assumendo che il numero di ore studiate rimanga costante.<\/span><\/p>\n Un altro modo di vedere la cosa: se sia lo studente A che lo studente B studiano per lo stesso numero di ore ma lo studente A sostiene un esame preparatorio aggiuntivo, allora lo studente A dovrebbe ottenere un punteggio inferiore di 0,60 punti rispetto a quello dello studente B.<\/span><\/p>\n Utilizzando i coefficienti del risultato della regressione, possiamo scrivere l’equazione di regressione lineare multipla stimata:<\/span><\/p>\n Punteggio esame = 67,67 + 5,56*(ore) \u2013 0,60*(esami preparatori)<\/span><\/p>\n Possiamo utilizzare questa equazione di regressione stimata per calcolare il punteggio atteso dell’esame per uno studente, in base al numero di ore di studio e al numero di esami pratici sostenuti.<\/span><\/p>\n Ad esempio, uno studente che studia per tre ore e sostiene un esame di preparazione dovrebbe ottenere un voto di 83,75<\/strong> :<\/span><\/p>\n Punteggio dell’esame = 67,67 + 5,56*(3) \u2013 0,60*(1) = 83,75<\/span><\/p>\n Introduzione alla regressione lineare semplice<\/a> Un coefficiente di regressione parziale \u00e8 il nome dato ai coefficienti di regressione in un modello di regressione lineare multipla . Ci\u00f2 contrasta con il vecchio “coefficiente di regressione”, che \u00e8 il nome dato al coefficiente di regressione in un semplice modello di regressione lineare . Il modo di interpretare un coefficiente di regressione parziale […]<\/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 Esempio: interpretazione dei coefficienti di regressione parziale<\/strong><\/span><\/h3>\n
![\"Come](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/multipleregexcel4.png\")
<\/p>\n Risorse addizionali<\/strong><\/span><\/h3>\n
Introduzione alla regressione lineare multipla<\/a>
Come leggere e interpretare una tabella di regressione<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"