a:

I statistiken modellerar linjär regression relationen mellan en beroende variabel och en eller flera förklarande variabler med en linjär funktion. Om två eller flera förklarande variabler har ett linjärt förhållande med den beroende variabeln, kallas regressionen en multipel linjär regression. Flera regression, å andra sidan, är en bredare klass av regressioner som omfattar linjära och olinjära regressioner med flera förklarande variabler.

Regressionsanalys är ett vanligt sätt att upptäcka en relation mellan beroende och förklarande variabler. Detta statistiska förhållande betyder dock inte att de förklarande variablerna orsakar den beroende variabeln. det talar snarare om någon betydande association i data. Linjär regression försöker rita en linje som kommer närmast data genom att hitta lutningen och avlyssningen som definierar linjen och minimerar regressionsfel. Många relationer i data följer emellertid inte en rak linje, så statistiker använder sig av olinjär regression istället.

Det är sällsynt att en beroende variabel förklaras av endast en variabel. I det här fallet använder en analytiker flera regressioner, som försöker förklara beroende variabel med hjälp av mer än en oberoende variabel. Flera regressioner kan vara linjära och olinjära.

Tänk på en analytiker som vill upprätta linjärt samband mellan den dagliga förändringen i bolagets aktiekurser och andra förklarande variabler som den dagliga förändringen i volymen och den dagliga förändringen av marknadsavkastningen. Om han driver regression med den dagliga förändringen i bolagets aktiekurser som en beroende variabel och den dagliga förändringen i handelsvolymen som en oberoende variabel, skulle detta vara ett exempel på en enkel linjär regression med en förklarande variabel. Om analytikern lägger till den dagliga förändringen av marknadens avkastning i regressionen, skulle det vara en multipel linjär regression.