Perbedaan Antara Regresi Linier dan Logistik

Regresi Linier vs Logistik

Dalam analisis statistik, penting untuk mengidentifikasi hubungan antara variabel yang terkait dengan penelitian ini. Terkadang itu mungkin satu-satunya tujuan analisis itu sendiri. Salah satu alat kuat yang digunakan untuk membangun keberadaan hubungan dan mengidentifikasi hubungannya adalah analisis regresi.

Bentuk paling sederhana dari analisis regresi adalah regresi linier, di mana hubungan antar variabel adalah hubungan linear. Dalam istilah statistik, ini memunculkan hubungan antara variabel penjelas dan variabel respons. Sebagai contoh, dengan menggunakan regresi kita dapat menetapkan hubungan antara harga komoditas dan konsumsi berdasarkan data yang dikumpulkan dari sampel acak. Analisis regresi akan menghasilkan fungsi regresi dari kumpulan data, yang merupakan model matematika yang paling cocok dengan data yang tersedia. Ini dapat dengan mudah diwakili oleh sebaran plot. Regresi grafis setara dengan menemukan kurva fitting terbaik untuk set data yang diberikan. Fungsi kurva adalah fungsi regresi. Dengan menggunakan model matematika, penggunaan suatu komoditas dapat diprediksi dengan harga tertentu.

Oleh karena itu, analisis regresi digunakan secara luas dalam memprediksi dan memperkirakan. Ini juga digunakan untuk membangun hubungan dalam data eksperimen, dalam bidang fisika, kimia, dan dalam banyak ilmu alam dan disiplin ilmu teknik. Jika hubungan atau fungsi regresi adalah fungsi linier, maka prosesnya dikenal sebagai regresi linier. Dalam sebar plot, dapat direpresentasikan sebagai garis lurus. Jika fungsi ini bukan kombinasi linear dari parameter, maka regresi adalah non-linear.

Regresi logistik sebanding dengan regresi multivariat, dan itu menciptakan model untuk menjelaskan dampak dari beberapa prediktor pada variabel respon. Namun, dalam regresi logistik, variabel hasil akhir harus kategorikal (biasanya dibagi; yaitu, sepasang hasil yang dapat dicapai, seperti kematian atau kelangsungan hidup, meskipun teknik khusus memungkinkan informasi yang lebih banyak dikategorikan untuk dimodelkan). Variabel hasil kontinu dapat ditransformasikan menjadi variabel kategorikal, untuk digunakan untuk regresi logistik; Namun, runtuh variabel kontinu dengan cara ini sebagian besar tidak disarankan karena mengurangi akurasi.

Tidak seperti dalam regresi linier, menuju rata-rata, variabel prediktor dalam regresi logistik tidak harus dipaksa untuk terhubung secara linear, didistribusikan secara umum, atau memiliki varian yang sama di dalam setiap cluster. Akibatnya, hubungan antara variabel prediktor dan hasil tidak mungkin menjadi fungsi linier.

Apa perbedaan antara regresi Logistik dan Linear?

• Dalam regresi linier, hubungan linear antara variabel penjelas dan variabel respons diasumsikan dan parameter yang memenuhi model ditemukan dengan analisis, untuk memberikan hubungan yang tepat.

• Regresi linier dilakukan untuk variabel kuantitatif, dan fungsi yang dihasilkan adalah kuantitatif.

• Dalam regresi logistik, data yang digunakan dapat berupa kategoris atau kuantitatif, tetapi hasilnya selalu kategoris.