Usando o R: A função que realiza o ajuste da reta ou modelo de regressão linear no R é a lm(). No R, dados em tabelas são objetos do tipo data frame, nos quais cada coluna corresponde a uma variável e cada linha corresponde a uma observação.
A análise de regressão é útil para uma organização, pois permite determinar o grau em que as variáveis independentes influenciam as variáveis dependentes. Além disso, permite explicar um fenômeno e prever coisas sobre o futuro, assim como também pode obter informações comerciais valiosas e acionáveis.
Trata-se de uma terapia em que o paciente faz uma regressão a momentos do passado, sejam recentes, da sua infância ou até de antes do nascimento (ainda no útero). Muitos psicólogos utilizam essa forma de terapia para ajudar seus pacientes na resolução de diferentes tipos de problemas.
A regressão multivariada é uma coleção de técnicas estatísticas que constroem modelos que descrevam de maneira razoável relações entre várias variáveis explicativas de um determinado processo. A diferença entre a regressão linear simples e a multivariada é que nesta são tratadas duas ou mais variáveis explicativas.
Regressão Polinomial. Este procedimento ajusta até 10 diferentes modelos de regressão para duas variáveis, sendo uma dependente e uma independente. A variável independente é expandida num polinômio até o décimo grau com geração de novas variáveis. Por exemplo: x2=x*x, x3=x2*x, X4=x3*x ....
- A análise univariada: descrevemos a população examinando uma variável por vez. É a maneira mais simples de restituir a informação e de fazer a estimativa estatística. - A análise bivariada: interessamo-nos às relações existentes entre 2 variáveis para fins de explicação e/ou previsão.
Por exemplo, o termo “fator preditor independente” é frequentemente utilizado para se referir a variáveis ex- plicativas com p