(intercept) ning sirge tõus (gradient) kirjeldab sirge paiknemist y- ja x-telje vahel (vt Fieldi õpikust lk 199). Sisuliselt üritab lineaarne regressioon läbi andmepunktide parve joonistada sirge, millest võimalikult palju väärtusi on sarnase kaugusega. Regressioonianalüüsi läbiviimiseks on 6 eeldust: 1 sõltuva muutuja andmed on intervall- või suhteskaalal (st on pidevtunnus); 2 muutujatevaheline suhe on lineaarne; 3 puuduvad märkimisväärsed erindid (outliers); 4 vaatluste sõltumatus; 5 püsihajuvus (homoskedastilisus; homoscedasticity); 6 jääkide normaaljaotuslikkus (normality of residuals). Kui 1. ja 4. eeldust saab juba lausa enne uuringu läbiviimist täita, siis eeldused 2, 3 ja 5 on testitavad hajuvusdiagrammiga, st üldist pilti on võimalik vaadelda graafiliselt. Eeldust 6 saame testida siis, kui viime läbi
o a – tõus o b – vabaliige Üritab leida, milline oleks nö kõige parem joon läbi tulemuste pilve, mis ennustaks kõige rohkem tulemusi ja teeks kõige vähem vigu. Nimetatakse ka Ordinary Least Squares OLS, kuna leitakse selle järgi, millisel juhul on ruutvigade summa kõige väiksem. Lineaarne- ehk paarisregressioon Eeldused: Sõltuva muutuja andmed on intervall- või suhteskaalal (st on pidevtunnus); Vaatluste sõltumatus; Muutujatevaheline suhe on lineaarne – kontrollime hajuvusdiagrammiga; Puuduvad märkimisväärsed erindid (outliers) – kontrollime hajuvusdiagrammiga; Koostamine JASPis: Valige Regression - Linear Regression. Tõstke sõltuv muutuja kasti nimega Dependent Variable ja sõltumatu muutuja ehk prediktor kasti nimega Covariate. Tulemuste tõlgendamine: o Regressioonivõrrand: sissetulek = −3
võrrandiks, kus vabaliige kirjeldab y-teljega lõikumispunkti (intercept) ning sirge tõus (gradient) kirjeldab sirge paiknemist y- ja x-telje vahel (vt Fieldi õpikust lk 199). Sisuliselt üritab lineaarne regressioon läbi andmepunktide parve joonistada sirge, millest võimalikult palju väärtusi on sarnase kaugusega. Regressioonianalüüsi läbiviimiseks on 6 eeldust: 1 sõltuva muutuja andmed on intervall- või suhteskaalal (st on pidevtunnus); 2 muutujatevaheline suhe on lineaarne; 3 puuduvad märkimisväärsed erindid (outliers); 4 vaatluste sõltumatus; 5 püsihajuvus (homoskedastilisus; homoscedasticity); 6 jääkide normaaljaotuslikkus (normality of residuals). Kui 1. ja 4. eeldust saab juba lausa enne uuringu läbiviimist täita, siis eeldused 2, 3 ja 5 on testitavad hajuvusdiagrammiga, st üldist pilti on võimalik vaadelda graafiliselt.
annaabi.ee 
