Che cos'è la regressione? E a cosa serve?
Che cos'è la regressione? La regressione è una tecnica di analisi statistica che permette di indagare relazioni di dipendenza tra variabili quantitative.
A differenza della correlazione, quindi, la regressione consente di studiare rapporti di causa-effetto.
Quando tra due variabili c’è una relazione di dipendenza, si può cercare di prevedere il valore di una variabile in funzione del valore assunto dall’altra.
Cos'è la regressione semplice? E la regressione multipla?
La regressione può essere:
- Regressione lineare semplice. La regressione lineare semplice riguarda la relazione di causa-effetto esistente tra due sole variabili; è il caso di quando si ipotizza una relazione di causalità tra una variabile indipendente (X) su cui si agisce, e quella dipendente (Y) su cui si vuole produrre un effetto. Costruendo un modello di regressione lineare è possibile prevedere Y in funzione di X.
- Regressione multipla. La regressione multipla studia l'influenza di due o più variabili esplicative su una variabile dipendente; ossia come quest'ultima è determinata da almeno altre due variabili.
Per esempio, la tendenza ad acquistare un certo prodotto potrebbe dipendere dal prezzo e dalla qualità percepita. In questo caso, il prezzo e la qualità del prodotto percepita rappresentano delle variabili in grado di predire il comportamento d'acquisto.
Naturalmente, è raro che si riescano a individuare tutte le variabili in grado di spiegare l'andamento di un'altra.
Per capire quanto le variabili incluse nel modello di regressione multipla siano in grado di predire la variabile dipendente (nell'esempio precedente, il comportamento d'acquisto), si osserva il valore di "R quadrato", o indice di bontà di adattamento. Questo indica quanto è forte la capacità predittiva del modello ottenuto, cioè quanto le variabili indipendenti (le x) riescono a predire bene i valori della variabile dipendente (la y).
L'indice R quadrato varia da 0 a 1. Se l'indice è uguale 0, indica un modello le cui variabili predittive non spiegano per nulla la variabile dipendente.
Al contrario, se il valore di R quadrato è pari a 1, le variabili incluse nel modello di regressione multipla spiegano completamente la variabile dipendente.
Regressione e ricerca di mercato
Come si può intuire dall'esempio riportato sopra, saper svolgere analisi di regressione è molto importante per lavorare nel settore delle ricerche di mercato e basare le previsioni su dati oggettivi. In una ricerca del 2020 è emerso come l'analisi statistica e la capacità di interpretare i risultati emergenti sono alcune delle competenze chiave per coloro che desiderano operare in questo settore.
Contattaci
Indirizzo Sede principale: Via San Vittore 43, 20123, Milano
Telefono Sede principale: +39 377 12 51 283
Per richieste commerciali: info@pxritaly.com
