ИНТЕРЕСНО СЛОЖНО ДУМАТЬ
⠀
Регрессия - один из сложнейших и интереснейших методов в статистике 🤓
Из-за сложности формул, объяснений, количества получаемых данных некоторые так и не решаются разобраться с этим разделом. Но на самом деле вся сложность скрыта в понимании регрессионных моделей и применении их к реальным проблемам 🤖
⠀
При этом в книгах и статьях по статистике встречается множество предположений для регрессии.
И кажется, что если ваши данные не соответствуют им всем, то и не нужно применять этот метод 🙀😭
⠀
Но это не так. Тут и скрывается понимание цели анализа, потому что она подскажет какие предположения для вас важны❗
⠀
Рассмотрим некоторые варианты применения регрессии:
⠀
📍 Прогнозирование.
В данном случае мы хотим на основе уже известных нам данных попытаться предсказать какой-то исход📈 При этом здесь очень важна репрезентативность данных (на самом деле она необходима в любых исследованиях)
⠀
📍 Изучение взаимосвязей.
Здесь интересно узнать влияние разных факторов на исход, т.е. выявить значимые среди них 🎯 В такой ситуации, например, учитывается мультиколлинеарность факторов (связь факторов между собой вне исхода - например, на основе роста, веса и ИМТ оцениваем уровень общего белка) ⚧️
⠀
📍 Причинно-следственный вывод.
В таком случае мы хотим узнать эффект от воздействия 🎁 И ключевой проблемой является схожесть групп или коррекция имеющихся различий. Что влечет за собой более строгое соблюдение предположений и учёт методологии исследования (контролируемость, сбор данных, их пропуски и т.д.)⛔
⠀
Одним из важных пунктов при изучении регрессии - это применимость☝🏻
Нужно разобраться с целями исследования и анализа, понять методологию, источник и способ получения данных, определиться с исходом и т.д. 🤯
⠀
В этом, на мой взгляд, и есть интерес (неординарность, пластичность). Но в этом и сложность (нужно думать, много думать). И это даже вдохновляет❗😎

#ebm_нюансы #статистика #statistics