دانلود مقالات ISI درباره رگرسیون خطی + ترجمه فارسی

رگرسیون یعنی بازگشت. یعنی پیش بینی و بیان تغییرات یک متغیر بر اساس اطلاعات متغیر دیگر. رگرسیون خطی یا تنازل خطی یا وایازی خطی (به انگلیسی: Linear regression) یکی از روشهای تحلیل رگرسیون است. در رگرسیون خطّی، متغیّر وابسته y i {\displaystyle y_{i}} y_i ترکیب خطی‌ای از ضرایب (پارامترها) است (لازم نیست که نسبت به متغیرهای مستقل خطی باشد). مثال: رابطه بین قد و وزن انسانها را در نظر بگیرید. همه می دانیم که این رابطه یک رابطه مستقیم ریاضی و صد درصدی نیست که لزوما هر که قد بلندتری داشته باشد وزن بیشتری داشته باشد، اما می توان گفت که با احتمال قابل قبولی افراد با قد بلندتر، وزن بیشتری نیز دارند. در اینجا پیش بینی وزن از روی قد و بیان ارتباط بین این متغیر با روش آماری رگرسیون خطی صورت می پذیرد که این رابطه را به صورت کمی به ما نشان می دهد. رگرسیون را با معادله رگرسیون بیان می کنند. در مثال فوق معادله رگرسیون خطی می تواند به صورت زیر باشد: متغیر وزن = متغیر قد * b + a ترسیم این خط پس از محاسبه ضرایب a و b ما را به خط رگرسیون می رساند.