Kapitel 1.1.4: Linjär regression | Matematik 2

Bakgrund

Linjär regression används för att undersöka och modellera linjära samband mellan en oberoende variabel och en beroende variabel. Metoden används i ekonomi, naturvetenskap och samhällsvetenskap för analys och prediktion.

Teori

Målet är att hitta den bästa linjära approximationen:

y=\nobreak kx+\nobreak m

$\displaystyle k$ är lutning (riktningskoefficient).
$\displaystyle m$ är y-intercept.
Minsta kvadratmetoden minimerar summan av kvadrerade residualer.

Viktiga begrepp

Korrelationskoefficient (r): styrka/riktning av linjärt samband, $\displaystyle -1 \text{ till } 1$ .
Determinationskoefficient (r²): förklarad andel av variationen i $\displaystyle y$ , $\displaystyle 0 \text{ till } 1$ .
Residual: $\displaystyle e=y-\tilde{y}$ .

Formler

k=\frac{n\sum xy-\nobreak \sum x\sum y}{n\sum x^2-\nobreak (\sum x)^2}

m=\frac{\sum y-\nobreak k\sum x}{n}

Fördjupning för högre betyg

Residualanalys och modellens tillförlitlighet.
Konfidensintervall för parametrar.
Hypotesprövning för signifikant linjärt samband.
Antaganden och begränsningar i modellen.

Exempel och tillämpningar

Exempel 1: Grundläggande linjär regression

Uppgift: Tabellen visar studietid i timmar och provresultat i poäng. Bestäm regressionslinjen med minsta kvadratmetoden.

Studietid (x)	Provresultat (y)
2	65
3	70
5	80
7	85
8	95

Exempel 2: Tolkning av resultat

Uppgift: Tolka regressionslinjens lutning och startvärde. Beräkna modellens prognos vid $\displaystyle x=6$ timmars studietid.

Lutning (4,62): varje extra studietimme ger i snitt cirka 4,62 poäng.
Y-intercept (55,92): modellens förväntade resultat vid 0 timmar (extrapolering).

\begin{gathered}y=\nobreak 4,62\cdot\nobreak 6+\nobreak 55,92\\=\nobreak 83,62\end{gathered}

Exempel 3: Korrelation och determination

Uppgift: Beräkna och tolka korrelationskoefficienten och determinationskoefficienten för datasetet.

Interaktiv regressionsanalys

Justera data

Ändra y-värden och se hur modell, r och residualer påverkas.

y vid $\displaystyle x = 2$ : 65

y vid $\displaystyle x = 3$ : 70

y vid $\displaystyle x = 5$ : 80

y vid $\displaystyle x = 7$ : 85

y vid $\displaystyle x = 8$ : 95

y=\nobreak 4,62x+\nobreak 55,92

\begin{gathered}r=\nobreak 0,9857\\r^2=\nobreak 0,9717\end{gathered}

Spridningsdiagram och regressionslinje

Den heldragna linjen visar modellen. Punkterna visar observerade data.

Studietid och provresultat

Lodrät axel: Provresultat

0246810020406080100

Vågrät axel: Studietid (timmar)

Rutlinjerna på x-axeln visar de markerade värdena. På den lodräta axeln motsvarar en ruta 20.

Heldragen: Regressionslinje

Residualtabell

$\displaystyle e=y-\tilde{y}$ . Kontrollera mönster i residualerna, inte bara r².

x	y observerat	ŷ predicerat	Residual
2	65	65,15	−0,15
3	70	69,77	0,23
5	80	79	1
7	85	88,23	−3,23
8	95	92,85	2,15

Residualer mot studietid

Lodrät axel: Residual

0246810−6−5−4−3−2−10123456

Vågrät axel: Studietid (timmar)

Rutlinjerna på x-axeln visar de markerade värdena. På den lodräta axeln motsvarar en ruta 1.

Heldragen: Nollinje

Determinationskoefficienten $\displaystyle r^2$ är cirka 0,9717. Det motsvarar ungefär 97,17 % av variationen i provresultat i denna linjära modell.

Vanliga misstag

Anta att korrelation innebär kausalitet.
Extrapolera långt utanför dataintervallet utan osäkerhetsbedömning.
Ignorera outliers som kan dra regressionslinjen.
Förlita sig enbart på r² och hoppa över residualanalys.
Använda linjär modell trots tydligt icke-linjärt samband.

Vanliga frågor

Tips för att bemästra linjär regression

Viktigt att tänka på

Visualisera data med spridningsdiagram före beräkning.
Analysera residualer, inte bara r².
Tolka alltid parametrar med enheter och kontext.
Var försiktig med extrapolering.
Fundera över andra variabler som kan påverka sambandet.

Fördjupning: Residualanalys

Kontrollera normalitet, homoskedasticitet, linjäritet och oberoende i residualerna.

Normalitet: residualerna bör vara ungefär normalfördelade.
Homoskedasticitet: ungefär konstant residualspridning över x.
Linjäritet: inget systematiskt mönster i residualplot.
Oberoende: residualerna bör inte vara autokorrelerade.

Observera

Om antagandena inte håller kan en annan modell vara mer lämplig, till exempel polynomregression.

Exempel på residualanalys

Uppgift: Pröva jämförelsemodellen $\displaystyle y=6{,}36x+53{,}2$ . Beräkna residualerna för tabellens data och undersök om modellen överskattar eller underskattar resultaten.

Observationer (x; y): (2; 65), (3; 70), (5; 80), (7; 85), (8; 95).

x	y observerat	y predicerat	Residual
2	65	65,92	-0,92
3	70	72,28	-2,28
5	80	85,00	-5,00
7	85	97,72	-12,72
8	95	104,08	-9,08

Residualmedelvärdet är $\displaystyle -6$ . Den prövade jämförelsemodellen överskattar i snitt. Den är inte minsta-kvadratlinjen för dessa data; med ett fritt intercept har minsta-kvadratlinjen residualmedelvärde 0.
Residualerna blir mer negativa för större x, vilket kan tyda på icke-linjärt mönster.
Punkten vid $\displaystyle x = 7$ sticker ut med stor residual och bör undersökas.

Praktiska tillämpningar av linjär regression

Ekonomi: försäljning mot marknadsföring, ränta mot inflation.
Medicin: behandlingseffekter och hälsomarkörer.
Miljövetenskap: utsläpp och temperaturtrender.
Psykologi: studietid och testresultat.
Ingenjörsvetenskap: materialstyrka och energiförbrukning.

Viktigt

En modell är alltid en förenkling av verkligheten. Validera antaganden och var beredd att byta modell vid behov.

Avancerade koncept inom linjär regression

Multipel linjär regression.
Polynomregression.
Dummyvariabler för kategorisk data.
Interaktionstermer.
Stegvis variabelval.
Robust regression vid outliers.

Obs

Dessa går utöver normal Ma2-nivå men ger djupare förståelse.

Sammanfattning

Linjär regression är ett kraftfullt verktyg för att analysera linjära samband. För säker användning behöver du både beräkningsförmåga och kritisk modellgranskning med residualer, kontext och rimlighetskontroll.

Testa att du förstått

Träna uppgifter i algebra för Matematik 2. Du får facit och förklaring direkt.

Träna på det här