"Regresyon modeli" nin bir tür meta-kavram olduğunu söyleyebilirim, "regresyon modeli" nin bir tanımını bulamayacağınız, ancak "lineer regresyon", "lineer olmayan regresyon" gibi daha somut kavramlar, "güçlü regresyon" vb. Bu, matematikte olduğu gibi, genellikle "sayı" değil, "doğal sayı", "tamsayılar", "gerçek sayı", "p-adik numarası" vb. Tanımlarız ve eğer birisi sayılar arasındaki kuaterniyonlar öyle olsun! önemli değil, önemli olan şu anda okuduğunuz kitap / kağıt tarafından hangi tanımların kullanıldığıdır.
Tanımlar araçlar ve özcülüktir, yani özünün ne olduğunu, bir kelimenin gerçekte ne anlama geldiğini tartışmak nadiren faydalıdır.
Peki, bir "regresyon modelini" diğer istatistiksel modellerden ayıran nedir? Çoğunlukla, bazı öngörücü değişkenler kümesinden etkilendiği (veya belirlediği) modellemek istediğiniz bir yanıt değişkeni vardır . Diğer yönü etkilemekle ilgilenmiyoruz ve öngörücü değişkenler arasındaki ilişkilerle ilgilenmiyoruz. Çoğunlukla, öngörücü değişkenleri verildiği gibi alır ve rastgele değişkenler olarak değil, modelde sabitler olarak ele alırız.
Yukarıda belirtilen ilişki doğrusal veya doğrusal olmayan, parametrik veya parametrik olmayan bir şekilde belirtilebilir, vb.
Diğer modellerden ayırmak için, öngörücü değişkenlerdeki ölçüm hataları olasılığını kabul ettiğimizde, "regresyon modelleri" için "değişkenlerdeki hatalar" gibi farklı bir şeyi ifade etmek için sık sık alınan bazı kelimelere baksak iyi olur. Bu, yukarıdaki "regresyon modeli" tanımımda iyi bir şekilde yer alabilir, ancak genellikle alternatif bir model olarak alınır.
Ayrıca, alanlar arasında farklılık görebilirsiniz ne kastedilmektedir sabit olarak onları tedavi vs Regresör kondüsyonlamanın arasındaki fark nedir?
Tekrarlamak gerekirse, önemli olan şu anda okuduğunuz yazarlar tarafından kullanılan tanımdır ve “gerçekten” ne olduğu hakkında bazı metafizik değildir.