Introduction à la régression multiple et l'analyse de corrélation: analyse de régression multiple représente une extension logique de l'analyse de régression à deux variables. Au lieu d'une seule variable indépendante, deux variables indépendantes ou plus sont utilisées pour estimer les valeurs d'une variable dépendante. Toutefois, les concepts fondamentaux de l'analyse restent les mêmes.Procédé Voici les trois principaux objectifs de régression multiple et l'analyse de corrélation: Pour dériver une équation qui fournit l'estimation de la variable dépendante des valeurs des deux ou variables.To plus indépendant obtenir un mesure de l'erreur impliquée dans l'équation de régression comme base pour estimation.To obtenir une mesure de la proportion de la variance de la variable dépendante représentait ou "expliqué par« le premier but indépendant variables.Procédé est accomplie par derving une équation de régression appropriée par la méthode des moindres carrés. Le deuxième but est atteint par le calcul d'une erreur type d'estimation. Le troisième objectif est accompli en calculant le coefficient multiple de determination.Assumptions de linéaire multiple Analyse de régression: Pour l'estimation ponctuelle, les principales hypothèses de l'analyse de régression linéaire multiple sont: La variable dépendante est une variable aléatoire alors que les variables indépendantes ne doivent pas être variable aléatoire .la relation entre les plusieurs variables indépendantes et une variable dépendante est linéaire etles variances des distributions conditionnelles de la variable dépendante, compte tenu de diverses combinaisons de valeurs des variables dépendantes, sont toutes égales. Pour l'estimation interne, une hypothèse supplémentaire est que les distributions conditionnelles pour la variable dépendante suivent la équation.Procédé équation de régression multiple normale de régression probabilité de distribution.Multiple décrit la relation moyenne entre ces variables, et cette relation est utilisée pour prédire ou contrôler la variable dépendante équation de régression .Un est une équation pour estimer une variable dépendante, disons X1 du X2 de variables indendent, X3 ....... et est appelé une équation de X1 sur X2, X3 régression ....... Dans fonctionnelle notation ce qui est parfois écrit brièvement X1 = F (X2, X3 ....) lire "X12, X3 et ainsi de suite." est fonction du cas XIN de trois variables, l'équation de régression de X1 sur X2 et X3 a la formX1.23 = A1.23 + B12.3 X2 + B13.2 X3X1.23 est calculée ou la valeur de la variable dépendante estimée et X2, X3 sont les variables.Use dépendants des ordinateurs dans l'analyse de régression multiple et corrélation: l'application de la régression multiple et l'analyse de corrélation nécessite des calculs étendus et très précis. Comme le nombre de variables augmente, les calculs deviennent de plus en plus difficile et chronophage. Les ordinateurs sont largement utilisés dans l'application de ces techniques. Un grand nombre d'installations informatiques ont un ou plusieurs programmes de régression et de corrélation multiples dans la bibliothèque de programmes qui sont disponibles sur le fait users.In, il devient de plus en plus inutiles maintenant-a-jours pour effectuer une analyse de régression par hand.The disponibilité de ces programmes permet à de nombreux analystes pour obtenir la régression souhaitée et le résultat de corrélation sans l'analyste avoir à passer du temps à écrire un programme informatique. La pertinence d'un programme de bibliothèque donnée pour l'utilisation, en particulier problème dépend des exigences d'entrée, mode opératoire et les résultats calculés par le programme. De nombreux programmes de bibliothèque sont suffisamment généraux et comprehensiveto satisfont aux exigences d'une grande variété de users.It peuvent être souligné que, bien que l'utilisation des ordinateurs, il est possible de tester et d'inclure un grand nombre de variables indépendantes dans une analyse de régression, un bon jugement et la connaissance des relations logiques impliqués doit toujours être utilisé comme guide pour déterminer quelles sont les variables à inclure dans la construction d'une équation de régression.