آشنایی با موضوع

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.
در این صفحه تعداد 626 مقاله تخصصی درباره رگرسیون خطی که در نشریه های معتبر علمی و پایگاه ساینس دایرکت (Science Direct) منتشر شده، نمایش داده شده است. برخی از این مقالات، پیش تر به زبان فارسی ترجمه شده اند که با مراجعه به هر یک از آنها، می توانید متن کامل مقاله انگلیسی همراه با ترجمه فارسی آن را دریافت فرمایید.
در صورتی که مقاله مورد نظر شما هنوز به فارسی ترجمه نشده باشد، مترجمان با تجربه ما آمادگی دارند آن را در اسرع وقت برای شما ترجمه نمایند.
مقالات ISI رگرسیون خطی (ترجمه نشده)
مقالات زیر هنوز به فارسی ترجمه نشده اند.
در صورتی که به ترجمه آماده هر یک از مقالات زیر نیاز داشته باشید، می توانید سفارش دهید تا مترجمان با تجربه این مجموعه در اسرع وقت آن را برای شما ترجمه نمایند.