Potensregression

Når man observerer en sammenhæng mellem to variabler, vil man typisk indsamle mange datapunkter (ikke kun to). Den metode som benyttes til at beskrive den potensfunktion, der bedst beskriver en række datapunkter kaldes potensregression. I dette modul vil følgende blive gennemgået:

Hvad er potensregression?
Bestemmelse af forskriften for en potensfunktion vha. af potensregression
Vurdering af, hvor godt en sammenhæng kan beskrives med en potensfunktion

Potensregression

Regression er generelt teknikker, der benyttes til at bekrive sammenhænge mellem to variabler, når man kender en række punkter. Potensregression handler om at finde den potensfunktion, der bedst muligt beskriver sammenhængen mellem to variabler, hvor man kender mindst to punkter, som grafen for funktionen skal beskrive. Hvis ikke alle punkter ligger præcist på grafen for en potensfunktion, vil den potensfunktion, der bliver bestemt være den, hvor grafen ligger tættest muligt på punkterne. De fleste computerprogrammer, der benyttes til potensregression, anvender de mindste kvadraters metode. Det som metoden groft sagt gør er at finde den potensfunktion, hvor grafen har den mindst mulige gennemsnitlige afstand til punkterne.

Til at vurdere, hvor godt eller dårligt en række datapunkter beskrives med en potensfunktion, benyttes forklaringsgraden R². Forklaringsgraden har en værdi mellem 0 og 1. Desto bedre punkterne kan beskrives med en potensfunktion desto tættere vil R² være på 1 (100%). Typisk vil man kræve, at R² skal være større end 0,95 (95%) før, at man konkluderer, at sammenhæng mellem punkterne kan beskrives godt med en potensfunktion.

ØVELSE: POTENSREGRESSION