Modello -> è uno schema teorico in base al quale sono verificabili
tutte le relazioni e le ipotesi proprie di una teoria. Consiste nella
semplificazione di una realtà , esprime quindi una realtà
complessa in modo parsimonioso. Si parla di un modello causa-
effetto in cui dato un certo effetto misurabile ed individuate le
variabili che lo hanno consentito , si individuano i parametri che
legano le variabili esplicative alla variabile dipendente.
Un modello può fallire nei suoi obiettivi per varie cause che
possono verificarsi anche congiuntamente :
• Formulazione errata del modello
• Una serie di assunzioni non sono rispettate pertanto gli
stimatori risultanti saranno scarsamente efficienti (modello
poco attendibile )
• La qualità e quantità dei dati , i metodi di stima delle variabili
incognite non corretti
• Presenza di dati anomali o di osservazioni che influenzano la
stima del modello …..
Gli obiettivi sono:
• Descrittivi: il modello deve rappresentare il più fedelmente
possibile la realtà, evidenziando le relazioni tra le variabili
oggetto di studio.
• Predittivi: il modello deve essere orientato alle previsioni
La variabile dipendente y è di natura casuale, mentre la
variabile indipendente x si suppone di natura deterministica
La retta di regressione
In statistica la regressione lineare rappresenta un metodo di
stima del valore atteso condizionato di una variabile dipendente
Y dati i valori di altre variabili indipendenti X.
L'analisi di regressione
L'analisi di regressione lineare si propone l'obiettivo di calcolare
quella retta che minimizza la somma delle distanze tra ogni
singolo punto rilevato, ovvero la retta di regressione (metodo dei
minimi quadrati). La retta migliore, ossia quella che meglio
descrive la relazione tra X e Y è ovviamente quella che passa
mediamente più vicina a tutti i punti del diagramma di
dispersione, o In altre parole, quella che rende minime le distanze
tra i valori Yjosservati EI valori ŷi Teorici stimati sulla base della
