El coeficiente univariante le brinda la relación promedio entre la variable dependiente y la independiente, sin controlar nada más. El coeficiente de regresión múltiple controla las otras variables independientes. Si las variables independientes son independientes entre sí, los coeficientes de regresión univariada y múltiple serán los mismos. Si las variables independientes son colineales (es decir, si tienen una correlación cercana a 1 o -1), los coeficientes serán bastante diferentes.
Por ejemplo, suponga que su variable dependiente es el ingreso anual, y sus variables independientes son los años de educación y los ingresos de los padres. La regresión univariada podría decirle que cada año de educación aumenta el ingreso anual esperado en $ 5,000. Sin embargo, es probable que las personas con padres más ricos obtengan más educación y ganen más dinero dado el nivel de educación. Entonces, cuando coloca ambas variables independientes en la regresión, puede encontrar que el coeficiente de educación cae a $ 1,000 de ingresos por año de educación.
Si desea predecir los ingresos de las personas que solo conocen su nivel de educación, usaría el coeficiente univariante. Pero si estaba interesado en cuánto aumenta la educación los ingresos, el coeficiente de regresión múltiple es más significativo.
- ¿Cuál es la posibilidad de hacer una máquina de pensamiento real?
- Soy maestra de preescolar pero estoy muy interesado en las máquinas y quiero comenzar un aprendizaje adecuado. ¿Donde debería empezar?
- ¿Cuál es el significado conciso y la interpretación del sesgo y la varianza en el aprendizaje automático y las estadísticas?
- ¿Debemos usar el ajuste fino en redes neuronales profundas? La precisión de la clasificación es del 100%, pero después de un ajuste fino, se convierte en el 95.7%, ¿cómo llega esto?
- ¿Cómo debo proceder después de completar el curso de aprendizaje automático de Andrew Ng?
