Regresi Linear vs Logistik
Dalam analisis statistik, penting untuk mengenal pasti hubungan antara pemboleh ubah yang bersangkutan dengan kajian. Kadang kala ia adalah satu-satunya tujuan analisis itu sendiri. Satu alat yang kuat digunakan untuk mewujudkan kewujudan hubungan dan mengenal pasti hubungannya adalah analisis regresi.
Bentuk analisis regresi termudah adalah regresi linear, di mana hubungan antara pemboleh ubah adalah hubungan linear. Dari segi statistik, ia menunjukkan hubungan antara pemboleh ubah penjelasan dan pemboleh ubah bergerak balas. Sebagai contoh, dengan menggunakan regresi, kita dapat mewujudkan hubungan antara harga komoditi dan penggunaan berdasarkan data yang dikumpulkan dari sampel rawak. Analisis regresi akan menghasilkan fungsi regresi set data, yang merupakan model matematik yang paling sesuai dengan data yang ada. Perkara ini dapat dilambangkan dengan mudah oleh plot penyebaran. Regresi grafik setara dengan mencari keluk yang sesuai untuk set data yang diberikan. Fungsi lengkung adalah fungsi regresi. Dengan menggunakan model matematik, penggunaan komoditi dapat diramalkan dengan harga tertentu.
Oleh itu, analisis regresi digunakan secara meluas dalam meramalkan dan meramalkan. Ini juga digunakan untuk menjalin hubungan dalam data eksperimen, dalam bidang fizik, kimia, dan dalam banyak sains semula jadi dan disiplin teknik. Sekiranya hubungan atau fungsi regresi adalah fungsi linear, maka prosesnya dikenali sebagai regresi linear. Dalam plot penyebaran, ia dapat ditunjukkan sebagai garis lurus. Sekiranya fungsi tersebut bukan gabungan linear parameter, maka regresi tidak linear.
Regresi logistik setanding dengan regresi multivariate, dan ini menghasilkan model untuk menjelaskan kesan pelbagai peramal pada pemboleh ubah tindak balas. Walau bagaimanapun, dalam regresi logistik, pemboleh ubah hasil akhir harus bersifat kategoris (biasanya dibahagikan; iaitu, sepasang hasil yang dapat dicapai, seperti kematian atau kelangsungan hidup, walaupun teknik khas memungkinkan maklumat yang lebih banyak dikategorikan). Pemboleh ubah hasil berterusan boleh diubah menjadi pemboleh ubah kategori, yang akan digunakan untuk regresi logistik; namun, pembolehubah berterusan yang runtuh dengan cara ini kebanyakannya tidak digalakkan kerana mengurangkan ketepatan.
Tidak seperti dalam regresi linier, terhadap rata-rata, pemboleh ubah prediktor dalam regresi logistik tidak harus dipaksa untuk terhubung secara linear, didistribusikan secara umum, atau memiliki varians yang sama di dalam setiap kelompok. Akibatnya, hubungan antara pemboleh ubah prediktor dan hasil tidak mungkin menjadi fungsi linear.
Apakah perbezaan antara regresi Logistik dan Linear?
• Dalam regresi linier, hubungan linear antara pemboleh ubah penjelasan dan pemboleh ubah tindak balas diasumsikan dan parameter yang memuaskan model ditemukan dengan analisis, untuk memberikan hubungan yang tepat.
• Regresi linier dilakukan untuk pemboleh ubah kuantitatif, dan fungsi yang dihasilkan adalah kuantitatif.
• Dalam regresi logistik, data yang digunakan dapat berupa kategori atau kuantitatif, tetapi hasilnya selalu bersifat kategoris.
