Regresör nedir? (tanım ve örnekler)

İstatistikte regresör , bir yanıt değişkenini tahmin etmek için kullanılan regresyon modelindeki herhangi bir değişkene verilen addır.

Bir regresöre ayrıca şu ad verilir:

• Açıklayıcı bir değişken
• Bağımsız bir değişken
• Manipüle edilmiş bir değişken
• Değişken bir tahmin
• Karakteristik

Bu terimlerin tümü, çalıştığınız alanın türüne bağlı olarak birbirinin yerine kullanılır: istatistik, makine öğrenimi, ekonometri, biyoloji vb.

Not: Bazen bir yanıt değişkenine “gerileme yapılabilir” adı verilir.

Regresyon modellerinde regresörler

Çoğu regresyon modeli aşağıdaki formu alır:

Y = β ₀ + B ₁ x ₁ + B ₂ x ₂ + B ₃ x ₃ + ε

Altın:

• Y: yanıt değişkeni
• β _i : Regresörlerin katsayıları
• x _i : Regresörler
• ε: Hata terimi

Bir regresyon modeli oluşturmanın amacı, regresördeki değişikliklerin yanıt değişkeninde (veya “regresörde”) nasıl değişikliklere yol açtığını anlamaktır.

Regresyon modellerinin bir veya daha fazla regresöre sahip olabileceğini unutmayın.

Yalnızca bir regresör olduğunda modele basit doğrusal regresyon modeli adı verilir ve birden fazla regresör olduğunda, birden fazla regresörün olduğunu belirtmek için modele çoklu doğrusal regresyon modeli adı verilir.

Aşağıdaki örnekler farklı regresyon modellerinde regresörlerin nasıl yorumlanacağını göstermektedir.

Örnek 1: Mahsul verimi

Bir çiftçinin toplam mahsul verimini (pound cinsinden) etkileyen faktörleri anlamak istediğini varsayalım. Verileri toplar ve aşağıdaki regresyon modelini oluşturur:

Mahsul verimi = 154,34 + 3,56*(kg gübre) + 1,89*(kg toprak)

Bu modelin iki regresörü vardır: Gübre ve Toprak.

Bu iki regresörün nasıl yorumlanacağı aşağıda açıklanmıştır:

• Gübre: Kullanılan her ilave pound gübre için, toprak miktarının sabit kaldığı varsayılarak mahsul verimi ortalama 3,56 pound artar.
• Toprak: Gübre miktarının sabit kaldığı varsayıldığında, kullanılan her ilave pound toprak için ürün verimi ortalama 1,89 pound artar.

Örnek 2: Sınav sonuçları

Bir profesörün, çalışılan saat sayısının sınav puanlarını nasıl etkilediğini anlamak istediğini varsayalım. Verileri toplar ve aşağıdaki regresyon modelini oluşturur:

Sınav puanı = 68,34 + 3,44* (çalışılan saat)

Bu model bir regresör içerir: çalışılan saat. Bu regresörün katsayısını, çalışılan her ek saat için sınav puanının ortalama 3,44 puan arttığı şeklinde yorumluyoruz.

Ek kaynaklar

Regresyon katsayıları nasıl yorumlanır?
Regresyon Eğiminin Önemi Nasıl Test Edilir?
Regresyon Tablosu Nasıl Okunmalı ve Yorumlanmalı