Hvad er regression? Lær lineær regression trin for trin
Regression bruges til at finde en model, der bedst beskriver sammenhængen i et datasæt og kan anvendes til at undersøge sammenhænge mellem to størrelser eller lave forudsigelser. I denne artikel fokuserer vi primært på lineær regression, som er den mest simple og almindelige type regression, du støder på i gymnasiet. Du lærer både at forstå modellen, hvordan man laver regression i et program, og hvad R² betyder.

Hvad er regression?
Regression er et nyttigt værktøj til at beskrive et datasæt med en tilnærmet model. Hvis du har en række målinger f.eks. fra et forsøg, kan de indsættes i et koordinatsystem. Punkterne vil ofte ligge lidt spredt og sjældent perfekt på en linje, men måske kan du alligevel se et mønster. Regressionen finder den model, der passer bedst til datapunkterne og kan bruges til at beskrive den sammenhæng, som du undersøger.
Det kunne for eksempel være, at dit datasæt bestod af temperaturmålinger og antal solgte is i en isbutik. Som du nok kan regne ud bliver der købt flere is, jo bedre vejret er, men man kan ikke præcist regne ud, hvor mange is, der vil blive solgt på baggrund af temperaturen. Vi kan til gengæld finde en model, der kan bruges til at udregne nogenlunde hvor mange is, der bliver solgt på baggrund af dagens temperatur.
Hvad er lineær regression?
Lineær regression bruges, når sammenhængen i datasættet tilnærmelsesvist følger en ret linje. Regressionen finder netop den rette linje, der passer bedst til punkterne. Ligningen for en linje skrives på formen:
\[y=ax+b\]
\(x\) er den uafhængige variabel - i eksemplet fra tidligere vil det altså være temperaturen. \(y\) kaldes den afhængige variabel, fordi den afhænger af \(x\). Det ville altså være antal solgte is i eksemplet, da det afhænger af temperaturen. \(a\) er hældningskoefficienten og \(b\) er skæringen med y-aksen.
Hvad fortæller a og b?
Hældningskoefficienten \(a\) angiver den mængde, som y stiger med, når x stiger med 1. Altså kan det med eksemplet beskrives som antallet af is, der sælges ekstra pr. grad temperaturen stiger. \(b\) er skæringen med y-aksen, dvs. y-værdien når \(x=0\). \(b\) er altså antallet af is, der sælges, når temperaturen er 0 grader. Det er ikke altid, at \(b\) giver praktisk mening i virkeligheden og ofte beskriver den lineære regression kun sammenhængen i et vist interval. For eksempel kan der ikke blive solgt et negativt antal is, og derfor vil antal is fra en vis temperatur i praksis være 0, men det er ikke sådan grafen kommer til at se ud. Samtidig vil der over en vis temperatur ikke blive solgt flere is, og modellen kan altså kun beskrive sammenhængen inden for et bestemt interval.
Hvordan ser lineær regression ud på en graf?
Nedenfor ser du et billede, hvor der er indtegnet datapunkter for sammenhængen mellem temperatur og solgte is. Som du kan se ligger datapunkterne ikke på en perfekt linje, men der er alligevel en sammenhæng mellem høj temperatur og mange solgte is.

Det næste billede viser en rød linje, der er en lineær regression, som beskriver sammenhængen. Punkterne behøver ikke at ligge på linjen, men jo tættere på de er, jo mere eksakt er modellen - det kommer vi tilbage til senere. På billedet er der markeret to punkter med samme x-værdi. Det ene punkt ligger på linjen og er altså det modellen forudsiger, mens det andet var det, der blev målt.

Hvordan finder man regressionslinjen?
For at finde den bedste regressionslinje kan man bruge mindste kvadraters metode. Denne metode måler den lodrette afstand fra alle punkter til regressionslinjen og "laver dem til kvadrater" ved at sætte dem i anden for at undgå negative tal. Her ønsker man at finde den linje, hvor summen af kvadraternes areal er mindst, så den samlede afvigelse mellem punkterne bliver så lille som mulig. Det er ikke nødvendigt at kunne den manuelle beregning, da computerprogrammer kan hjælpe dig med at finde linjen. Afvigelserne kaldes også residualer, og man kan lave et plot over disse for at illustrere, hvor store afvigelserne er for hvert punkt.
Hvad betyder R² i regression?
R² er en værdi mellem 0 og 1, der hjælper med at vurdere, hvor godt en model passer til et datasæt. Når R² er tæt på 1 indikerer det, at modellen passer godt til at beskrive sammenhængen i datasættet. For eksempel kan \(R^2=0,92\) være et tegn på, at du har en regression, der beskriver sammenhængen i dit datasæt med en relativ høj præcision. Dog kan R² ikke bruges som et entydigt svar på, om modellen passer godt til datasættet, da der kan være systematiske afvigelser som modellen ikke tager højde for.
Sådan laver du lineær regression trin for trin i GeoGebra
For at lave en lineær regression i GeoGebra skal du følge disse trin:
- Find "Regneark" under fanen "Vis", så der kommer et nyt vindue frem med et regneark.
- Indsæt dine data i regnearket.
- Marker dataene.
- Vælg regressionsanalyse, mens dataene er markeret. Du finder regressionsanalysen i værktøjsbjælken i toppen, hvor der er vist et søjlediagram. Her skal du klikke på den lille pil, så der foldes en menu ud, hvor du kan vælge "Regressionsanalyse".
- Tryk på "Analyser", når der popper en boks frem, hvis det er de korrekte data, der vises. Der åbnes nu et nyt vindue, der heder "Dataanalyse".
- Vælg den regressionsmodel du ønsker at bruge i bunden, og der vil blive vist en linje, svarende til den model, du har valgt. Du kan se linjens ligning med rød skrift i bunden.
- Øverst i vinduets venstre hjørne kan du se en knap med symbolet "∑x". Hvis du trykker her får du en masse informationer om regressionen. Det mest relevante er værdien for R². Du kan også klikke i øverste højre hjørne og kopiere datapunkterne og regressionen til tegneblokken (koordinatsystemet i GeoGebra).
Alternativt kan du også lave en lineær regression i Excel.
Andre typer regression
Lineær regression er ikke altid den model, der beskriver et datasæt bedst. Der findes også eksponentiel regression, der bruges, når datasættet ser ud til at følge en eksponentiel udvikling og potensregression, der også bruges i nogle tilfælde. Udover eksponentiel- og potensregression findes der en logistisk regression. Den bruges typisk, når der er to mulige udfald som f.eks., ja og nej eller 0 og 1. Disse andre regressionstyper er dog en del mere komplicerede end den lineære regression.
Ofte stillede spørgsmål om regression
Hvad er regression?
En regression er en model, der forsøger at beskrive sammenhængen i et datasæt.
Hvad bruges regression til?
Regression bruges til at undersøge sammenhænge og lave forudsigelser.
Typiske fejl ved regression
- At tro at R² betyder, at modellen er korrekt: Det er ikke en entydig indikation på, at modellen er god og derfor bør man også tage andre faktorer i betragtning som f.eks. systematiske afvigelser.
- At bruge en forkert regressionsmodel: Du skal ikke bruge en lineær regressionsmodel på datasæt, der ikke følger en lineær sammenhæng.
- At tro at regressionslinjen skal gå gennem (0,0): Det behøver den ikke.
- At bruge regressionslinjen til at forudsige værdier langt uden for datasættet: Du kan ikke være sikker på at regressionen gælder uden for datasættets interval.
Hvad betyder R² i lineær regression?
R² er et mål for afvigelsen mellem punkterne og linjen. Værdien er mellem 0 og 1. En værdi tæt på 1 indikerer, at modellen passer godt til datasættet.
Åbningstider
mandag d. 16. november
10:00 - 18:00
tirsdag - torsdag
08:00 - 20:00
fredag
09:00 - 16:00
lørdag - søndag
11:00 - 16:00
Bliv kontaktet.
Vores dygtige fagvejledere sidder klar til at hjælpe dig med at finde den rette mentor og svare på dine spørgsmål.
Kontakt os på telefon 44 777 333



