Cosa significa regredire una variabile rispetto a un'altra

Quando diciamo, per regredire contro , intendiamo che è la variabile indipendente e Y la variabile dipendente? cioè . $Y$ $X$ $X$ $Y =aX + b$

regression terminology

— Vincitore
fonte

Purtroppo dipende dalla persona che parla. Penso che "Ho regredito Y su X" più comunemente significa che Y è la variabile del lato sinistro, ma alcune persone significano il contrario.

— Bill

Quasi sempre, sì ... ma probabilmente intendi E (Y) = aX + b, altrimenti non hai affatto bisogno di regressione (poiché se davvero intendessi l'uguaglianza che hai dato, ogni punto sarebbe sulla linea).

— Glen_b

> Personalmente, non trovo che il linguaggio variabile indipendente / dipendente sia così utile. Quelle parole connotano la causalità, ma la regressione può funzionare anche al contrario (usa Y per prevedere X). Il linguaggio variabile indipendente / dipendente specifica semplicemente come una cosa dipende dall'altra. In generale, ha più senso usare la correlazione piuttosto che la regressione se non esiste una relazione causale. Se una cosa non sta causando l'altra, non ha molto senso usarla per predire l'altra cosa (almeno non da un punto di vista scientifico), e semplicemente invertire la relazione ogni volta che tu

Non c'è molta differenza sostanziale tra correlazione e regressione; certamente niente a che fare con la causalità.

— gung - Ripristina Monica

y

$y$

x

$x$

In genere significa trovare una superficie parametrizzata da X nota in modo tale che Y si trovi in genere vicino a quella superficie. Questo ti dà una ricetta per trovare Y sconosciuto quando conosci X.

Ad esempio, i dati sono X = 1, ..., 100. Il valore di Y viene tracciato sull'asse Y. La linea rossa è la superficie di regressione lineare.

inserisci qui la descrizione dell'immagine

Personalmente, non trovo che il linguaggio variabile indipendente / dipendente sia così utile. Quelle parole connotano la causalità, ma la regressione può funzionare anche al contrario (usa Y per prevedere X).

— congetture
fonte

$Y = a+bX$

bias=lm(TBV~GBV)

— Gopal Gowane
fonte