Регресијски модел је математички модел који покушава да утврди однос између зависне променљиве (И), у односу на друге променљиве, која се назива објашњавајућа или независна (Кс).
Регресијски модел се често користи у друштвеним наукама како би се утврдило да ли постоји узрочна веза између зависне променљиве (И) и скупа других променљивих објашњења (Кс). Слично томе, модел покушава да утврди какав ће бити утицај на променљиву И у случају промене променљивих објашњења (Кс).
Тако би, на пример, економиста могао бити заинтересован за утврђивање односа између дохотка радника и њиховог нивоа образовања. За ово бих могао да изведем регресијски модел у којем ће независна променљива (И) бити приход радника. Што се тиче објашњавајућих променљивих (Кс), требало би укључити све оне који би могли објаснити приход, међу којима су, наравно, образовање, искуство, образовање родитеља итд.
Регресиона анализаОблик регресионог модела
Једноставни регресијски модел има следећи облик:
И = А + БКС + у
И = зависна или ендогена променљива
Кс = независна или објашњења променљива
А, Б = фиксни и непознати параметри
у = термин грешке који укључује све остале факторе који утичу на И, али нису укључени у модел. Такође можете ухватити грешке процене зависне променљиве. Није видљиво.
Тада ће циљ регресионог модела бити процена вредности А и Б из узорка.
Значење променљивих
Параметар Б треба да одражава утицај промене Кс на променљиву И, када остатак објашњавајућих променљивих остаје константан (цетерис парибус).
Параметар А у међувремену уопште не утиче на однос између И и Кс. Према томе, то је само нормализација у којој се претпоставља да ће просечна вредност у бити нула.
На пример, модел линеарне регресије био би нацртан на следећи начин:
