регресія пропонує альтернативу регресії МНК, яка менш чутлива до викидів і все ще визначає лінійний зв’язок між результатом і предикторами. Зауважте, що стійка регресія не стосується левериджу.
Таким чином, лінійна регресія — це загальна концепція або основа для моделювання зв’язків між змінними з лінійним припущенням, тоді як OLS — це окремий метод лінійної регресії, який використовується для оцінки коефіцієнтів моделі лінійної регресії шляхом мінімізації суми квадратів помилок.
Надійна регресія є альтернативою регресії найменших квадратів коли дані забруднені викидами або впливовими спостереженнями, а також його можна використовувати з метою виявлення впливових спостережень.
Надійна лінійна регресія менш чутлива до викидів, ніж стандартна лінійна регресія. Стандартна лінійна регресія використовує звичайну підгонку методом найменших квадратів для обчислення параметрів моделі, які пов’язують дані відповіді з даними предиктора за допомогою одного або кількох коефіцієнтів.
Звичайна регресія найменших квадратів (OLS)
- метеорології, якщо потрібно передбачити температуру чи кількість опадів на основі зовнішніх факторів.
- біологія, якщо потрібно передбачити кількість особин, що залишилися у виді, залежно від кількості хижаків або життєвих ресурсів.
Однією з головних переваг методу OLS є його простота. Метод OLS є одним із найпростіших інструментів для проведення регресійного аналізу.Він не вимагає складних математичних розрахунків, що робить його цілком доступним для використання. Ще однією перевагою цього методу є його ефективність.