1 Model specification
- Net zoals in enkelvoudige lineaire regressie, bestaat het model uit:
• Een systematisch deel dat ons voorziet van informatie over hoe de combinatie van 𝑥-
uitkomsten resulteert in een gemiddelde waarde voor 𝑌: 𝜇𝑌|𝑥
• Een random error term (= storingsterm) 𝜀 om rekening te houden met het feit dat 𝑌|𝑥 een
random variabele is
𝑌 = 𝛽0 + 𝛽1 𝑥1 + ⋯ + 𝛽𝑘 𝑥𝑘 + 𝜀
- Meervoudig lineaire regressie wordt niet meer voorgesteld door een rechte
Kan gevisualiseerd worden als een (hyper)vlak
1.1 Classical assumptions
- De assumpties die werden geïntroduceerd bij enkelvoudige lineaire regressie blijven behouden
DAARNAAST: zijn er twee assumpties over de verklarende variabelen in assumptie A4
- Klassieke assumpties voor meervoudige lineaire regressie:
• A1: 𝜇𝑌|𝑥 = 𝛽0 + 𝛽1 𝑥1 + … + 𝛽𝑘 𝑥𝑘 (𝜀 gemiddeld 0 voor alle 𝑥)
• A2: 𝜀 heeft een constante standaardafwijking 𝜎 (= homoskedasticiteit)
• A3: cov(𝜀𝑖 , 𝜀𝑗 ) = cov(𝑌𝑖 , 𝑌𝑗 ) = 0
• A4: Variabelen 𝑥𝑖 zijn non random, zijn geen exacte lineaire functies van de andere
verklarende variabelen
Twee variabelen mogen niet te sterk gecorreleerd zijn met elkaar
• A5: (optioneel) 𝜀 is normaal verdeeld
(bij grote steekproef niet nodig, enkel bij een kleine steekproef)
MEERVOUDIGE LINEAIRE REGRESSIE 3 van 33
, 1.2 Interpreting the parameters
- Intercept 𝜷𝟎 : Gemiddelde waarde voor 𝑌 als alle 𝑥 = 0 (vaak niet relevant)
Behalve in zeer speciale gevallen, nemen we altijd een intercept op in het model
(zelfs als het geen directe economische betekenis heeft)
- Coëfficiënten 𝜷𝒊 : De helling in de 𝑥𝑖 -helling
Met het effect van een verandering in de variabele 𝑥𝑖 op de verwachte waarde van 𝑦, ceteris
paribus (= als alle andere variabele constant blijven)
bv. Als de prijs met 1 dollar stijgt en de reclame-uitgaven blijven constant, wat gebeurt er met de sales?
bv. Als de prijs constant blijft en de reclame-uitgaven stijgen met 1.000 dollar, wat gebeurt er met de sales?
𝜕𝐸(𝑌)
Het is gelinkt aan de partiële afgeleide ( )
𝜕𝑥𝑖
1.3 Non-linear model
1.3.1 Inleiding
- Net zoals in enkelvoudige lineaire regressie, kunnen we niet-lineaire relaties modelleren bij een
meervoudig lineair regressiemodel door geschikte transformaties te gebruiken
Baseren op economische theorie, experts en rekening houden met bijvoorbeeld slope
properties (= hellingeigenschappen)
MEERVOUDIGE LINEAIRE REGRESSIE 4 van 33
Les avantages d'acheter des résumés chez Stuvia:
Qualité garantie par les avis des clients
Les clients de Stuvia ont évalués plus de 700 000 résumés. C'est comme ça que vous savez que vous achetez les meilleurs documents.
L’achat facile et rapide
Vous pouvez payer rapidement avec iDeal, carte de crédit ou Stuvia-crédit pour les résumés. Il n'y a pas d'adhésion nécessaire.
Focus sur l’essentiel
Vos camarades écrivent eux-mêmes les notes d’étude, c’est pourquoi les documents sont toujours fiables et à jour. Cela garantit que vous arrivez rapidement au coeur du matériel.
Foire aux questions
Qu'est-ce que j'obtiens en achetant ce document ?
Vous obtenez un PDF, disponible immédiatement après votre achat. Le document acheté est accessible à tout moment, n'importe où et indéfiniment via votre profil.
Garantie de remboursement : comment ça marche ?
Notre garantie de satisfaction garantit que vous trouverez toujours un document d'étude qui vous convient. Vous remplissez un formulaire et notre équipe du service client s'occupe du reste.
Auprès de qui est-ce que j'achète ce résumé ?
Stuvia est une place de marché. Alors, vous n'achetez donc pas ce document chez nous, mais auprès du vendeur evsmts. Stuvia facilite les paiements au vendeur.
Est-ce que j'aurai un abonnement?
Non, vous n'achetez ce résumé que pour €7,49. Vous n'êtes lié à rien après votre achat.
