a:

Dalam statistik, regresi linier memodelkan hubungan antara pemboleh ubah bergantung dan satu atau lebih pemboleh ubah penjelasan menggunakan fungsi linear. Jika dua atau lebih pemboleh ubah penjelasan mempunyai hubungan linear dengan pembolehubah yang bergantung, regresi dipanggil regresi linear berganda. Regresi berganda, sebaliknya, adalah kelas regresi yang lebih luas yang merangkumi regresi linier dan tak linear dengan pelbagai pemboleh ubah penjelasan.

Analisis regresi adalah satu cara yang biasa untuk mengetahui hubungan antara pembolehubah bergantung dan penjelas. Walau bagaimanapun, hubungan statistik ini tidak bermakna bahawa pemboleh ubah penjelasan menyebabkan pemboleh ubah bergantung; ia agak bercakap tentang beberapa persamaan penting dalam data. Regresi linear cuba untuk melukis garis yang paling dekat dengan data dengan mencari cerun dan memintas yang menentukan garis dan meminimalkan kesalahan regresi. Walau bagaimanapun, banyak hubungan dalam data tidak mengikuti garis lurus, jadi ahli statistik menggunakan regresi bukan linear sebaliknya.

Ia jarang berlaku bahawa pembolehubah bergantung hanya satu pemboleh ubah. Dalam kes ini, seorang penganalisis menggunakan regresi berganda, yang cuba menerangkan pemboleh ubah bergantung menggunakan lebih daripada satu pemboleh ubah bebas. Regresi berganda boleh linear dan tidak linear.

Pertimbangkan seorang penganalisis yang ingin mewujudkan hubungan linear antara perubahan harian dalam harga saham syarikat dan pembolehubah penjelasan lain seperti perubahan harian dalam jumlah dagangan dan perubahan harian dalam pulangan pasaran. Jika dia menjalankan regresi dengan perubahan harian dalam harga saham syarikat sebagai pemboleh ubah yang bergantung dan perubahan harian dalam jumlah dagangan sebagai pembolehubah bebas, ini akan menjadi contoh regresi linear yang ringkas dengan satu pemboleh ubah penjelasan. Jika penganalisis menambah perubahan harian dalam pulangan pasaran ke dalam regresi, ia akan menjadi regresi linear berganda.