L’analisi di regressione è uno strumento frequentemente utilizzato nelle statistiche che permette di indagare le relazioni tra le diverse variabili quantitative. Questo, attraverso la formulazione di equazioni matematica.
Vista in un altro modo, l’analisi di regressione è un processo o un modello che analizza il legame tra una variabile dipendente e una o più variabili indipendenti. Così, da un tale studio, si trova un rapporto matematico.
Grazie ai processi di regressione, è possibile capire come la variabile dipendente sia influenzata da cambiamenti di altri fattori.
Applicazioni dell’analisi di regressione
Una delle principali applicazioni dell’analisi di regressione è la proiezione con diversi scenari. Questo, tenendo conto del grado di influenza (nella statistica questo è noto come correlazione) sulla variabile dipendente.
In altre parole, l’obiettivo dell’analisi di regressione è quello di costruire una funzione che permetta la stima del valore futuro della variabile di studio.
Da un altro punto di vista, la regressione permette di calcolare una speranza condizionata (media). A questo scopo, i valori delle variabili indipendenti sono presi come dato.
Va notato che quando si prende in considerazione una sola variabile indipendente, si parla di semplice regressione lineare. D’altra parte, se si includono più fattori, si tratterebbe di una regressione lineare multipla.
L’analisi di regressione ha applicazioni per la vita quotidiana. Si va dallo studio degli incidenti stradali in una determinata area geografica alla verifica della raccomandazione di un curriculum in base al tasso di abbandono scolastico, ad esempio.
Critica dell’analisi della regressione
Una critica comune a questo tipo di modello di previsione matematica è che non è ottimale, poiché spesso confonde la correlazione con la causalità.
Ciò significa che si può stabilire una relazione matematica, ad esempio, tra la crescita economica e la frequenza delle piogge in un paese. Tuttavia, se non c’è un fondamento teorico per collegare queste variabili, lo studio è irrilevante perché si tratta di una relazione spuria.
Esempio di analisi di regressione
Vediamo un esempio molto semplice di analisi di regressione. Supponiamo che un’azienda voglia calcolare la domanda di una determinata merce.
Come variabile indipendente, prenderemo il prezzo del prodotto. Poi l’azienda, sulla base dei suoi dati storici, costruisce un’equazione come la seguente:
Pertanto, l’analisi di regressione mira a trovare i valori di a (coefficiente di correlazione lineare) e b.