Цель регрессионного анализа установить конкретную аналитическую зависимость одного или нескольких результативных показателей от одного или нескольких признаков-факторов. Полученное при этом уравнение регрессии используется для содержательного описания изучаемого процесса, прогнозирования выбора оптимального варианта и т.д. Если в уравнение регрессии включены признаки-факторы, учитывающие и возможное случайное поведение результативного признака, то такое выражение представляет регрессионную модель явления или процесса. Наибольшее применение получили уравнения регрессии, отражающие взаимосвязь одного результативного признака с одним (парная регрессия) или нескольким (множественная регрессия) признаками-факторами. Переменная (или признак), характеризующая результат или эффективность функционирования анализируемой системы называют результирующая (зависимая, эндогенная) переменная. Ее значения формируются в процессе и внутри функционирования этой системы под воздействием ряда других переменных и факторов, часть из которых поддается регистрации (эту часть принято называть объясняющими переменными). В регрессионном анализе результирующая переменная выступает в роли функции, значения которой определяются значениями упомянутых выше объясняющих переменных, выступающих в роли аргументов. Переменные (или признаки), поддающиеся регистрации, описывающие условия функционирования изучаемой реальной системы и в существенной мере определяющие процесс формирования значений результирующих переменных. Как правило, часть из них поддается хотя бы частичному регулированию и управлению. Значения ряда объясняющих переменных могут задаваться как бы "извне" анализируемой системы. В этом случае их принято называть экзогенными. В регрессионном анализе они играют роль аргументов той функции, в качестве которой рассматривается анализируемый результирующий показатель у. 75 |
182 Наглядное представление результатов классификации в виде графов позволяет без затруднений, зная значения предикторных переменных провести классификацию. С помощью дерева, если указать на нем число объектов относимых к каждой вершине, а также на основе положения его узлов, можно судить о способности той или иной переменной как дискриминатора. 5.2. Прогнозирования развития осложнений критических состояний по данным оперативного мониторинга и ретроспективной информации С целью более точного прогнозирования развития, как самих интенсивных патологических процессов, так и их осложнений предлагается интеграция оперативного мониторинга и ретроспективной информации в рамках интерактивной реализации методов регрессионного анализа [3,4]. Цель регрессионного анализа установить конкретную аналитическую зависимость одного или нескольких результативных показателей от одного или нескольких признаков-факторов [3]. Полученное при этом уравнение регрессии используется для содержательного описания изучаемого процесса, прогнозирования выбора оптимального варианта и т.д. Если в уравнение регрессии включены признаки-факторы, учитывающие и возможное случайное поведение результативного признака, то такое выражение представляет ре1рессионную модель явления или процесса. Функция Й^Х) называется функцией регрессии у по X, если она описывает изменение условного среднего значения результирующей переменной у в зависимости от изменения значений X объясняющих переменных (5.15): f(X) = E (y \ X) . (5.15) Регрессионная зависимость между объясняющими и результирующей переменными может быть выражена в виде регрессионной связи : |