Modello di regressione semplice
Modello di regressione semplice
Sia X una variabile esplicativa (detta talvolta anche «indipendente») e Y la variabile dipendente che si desidera collegare ad X.
Se si possiedono n osservazioni sulle variabili X e Y, il modello di regressione lineare è:
yi = b0 + b1xi + e1, i = 1, …., n
dove b0 e b1 sono i parametri (v.) del modello e le variabili casuali (v.) ei indicano le componenti erratiche per ciascuna unità campionaria e la cui natura è quella di un processo White Noise (v.). Nel modello classico la variabile X è predeterminata.
Da un altro punto di vista, l'analisi di regressione permette di studiare come varia in media la variabile dipendente Y per effetto di variazioni unitarie nella variabile esplicativa X:
E(Yi | X = xi) = b0 + bxi
Sia X una variabile esplicativa (detta talvolta anche «indipendente») e Y la variabile dipendente che si desidera collegare ad X.
Se si possiedono n osservazioni sulle variabili X e Y, il modello di regressione lineare è:
yi = b0 + b1xi + e1, i = 1, …., n
dove b0 e b1 sono i parametri (v.) del modello e le variabili casuali (v.) ei indicano le componenti erratiche per ciascuna unità campionaria e la cui natura è quella di un processo White Noise (v.). Nel modello classico la variabile X è predeterminata.
Da un altro punto di vista, l'analisi di regressione permette di studiare come varia in media la variabile dipendente Y per effetto di variazioni unitarie nella variabile esplicativa X:
E(Yi | X = xi) = b0 + bxi
