İstatistiktelineer regresyon veya doğrusal regresyon, skaler bir yanıt ile bir veya daha fazla açıklayıcı değişken (bağımlı ve bağımsız değişkenler) arasındaki ilişkiyi modellemek için kullanılan doğrusal bir yaklaşımdır. Bir açıklayıcı değişkenin durumu, basit doğrusal regresyon olarak adlandırılır. Birden fazla süreç için çoklu doğrusal regresyon terimi kullanılır.[1] Bu terim, tek bir skaler değişken yerine birden fazla ilişkili bağımlı değişkenin tahmin edildiği çok değişkenli doğrusal regresyondan farklıdır.[2]
Lineer regresyonda ilişkiler, bilinmeyen model parametreleriverilerden tahmin edilen doğrusal öngörücü işlevler kullanılarak modellenir. Bu tür modellere lineer modeller denir.[3] En yaygın olarak, açıklayıcı değişkenlerin (veya öngörücülerin) değerleri verilen yanıtın koşullu ortalamasının, bu değerlerin benzer bir işlevi olduğu varsayılır. Daha az yaygın olarak ise koşullu medyan veya başka bir nicelik kullanılır. Tüm regresyon analizi biçimleri gibi doğrusal regresyon da, çok değişkenli analizin alanı olan tüm bu değişkenlerin ortak olasılık dağılımı yerine yordayıcıların değerleri verilen yanıtın koşullu olasılık dağılımına odaklanır.
Kaynakça
^David A. Freedman (2009). Statistical Models: Theory and Practice. Cambridge University Press. s. 26. A simple regression equation has on the right hand side an intercept and an explanatory variable with a slope coefficient. A multiple regression e right hand side, each with its own slope coefficient
^"Chapter 10, Multivariate regression – Section 10.1, Introduction", Methods of Multivariate Analysis, Wiley Series in Probability and Statistics, 709, John Wiley & Sons, 2012, s. 19, ISBN9781118391679, 4 Ekim 2024 tarihinde kaynağından arşivlendi, erişim tarihi: 16 Haziran 2023Birden fazla |sürüm= ve |seri= kullanıldı (yardım).
^Hilary L. Seal (1967). "The historical development of the Gauss linear model". Biometrika. 54 (1/2): 1-24. doi:10.1093/biomet/54.1-2.1.