초보자를 위한 기본 회귀 분석 소개

### 비통계학 전공자를 위한 기초 회귀 분석 소개
* 📊 회귀 분석은 데이터 분석에서 그 중요성이 강조되어 **'통계의 꽃'**으로 불리기도 하지만, 여전히 많은 사람이 회귀 분석에 대해 충분히 이해하지 못하고 있습니다.
* 🔍 '회귀'라는 용어는 무언가로 되돌아간다는 의미로, **주어진 데이터의 독립 변수를 바탕으로 종속 변수를 예측**하는 것이 주된 목적입니다.
* 📈 단순 회귀 분석은 하나의 독립 변수를 포함하지만, **다중 회귀 분석은 두 개 이상의 독립 변수를 포함**하지만 항상 하나의 종속 변수가 있습니다.
* 💵 예를 들어 **수입(독립 변수)과 지출(종속 변수)의 관계**를 조사할 때 데이터 포인트의 분산형 차트를 통해 이를 시각화할 수 있습니다.
* 📏 회귀 분석의 목표는 특정 소득 수준에 대한 데이터 포인트가 없더라도 **소득에 따라 지출을 예측할 수 있는 추세선**을 설정하는 것입니다.
* 📝 추세선의 방정식은 **y = ax + b**의 형식을 따르며, 여기서 'y'는 종속 변수, 'x'는 독립 변수, 'a'는 y-절편, 'b'는 기울기로 'x'에 따라 'y'가 얼마나 변화하는지를 나타냅니다.
* 📉 가장 정확한 추세선을 찾기 위해 **오차 제곱의 합을 최소화**하는 최소제곱법을 사용하여 데이터에 가장 적합한 추세선을 찾습니다.
* 📚 궁극적으로 회귀 분석은 결과를 예측하는 것을 목표로 하며, **최소자승법(OLS)이 기본 방법**이라는 것을 이해하면 통계학에서 더 많은 것을 탐구할 수 있는 탄탄한 토대를 마련할 수 있습니다.

회귀 분석은 최소제곱법을 사용하여 독립 변수를 기반으로 종속 변수를 예측합니다.

10-1 회귀분석이란? - 회귀분석 (1) -

통알못을 위한 통계튜브 
- 통통튜브 -

통알못(통계를 알지 못하는 사람)을 위한 통계튜브입니다.
이제 책도 웹/모바일에서 보실 수 있습니다.
 
통알못을 위한 기초통계
1권: https://who4u78.github.io/book1/
2권: https://who4u78.github.io/book2/

이런분들에게 적합합니다.
   1. p값이 0.05보다 큰지 작은지만 말할 수 있는 분
   2. 그런데 p값이 뭔지 모르는 분
   3. 논문작성을 위한 통계를 아무리 들어도 어렵기만 하고 이해가 안되는 분
   4. 대학원에서 통계 강의 들을 때마다 C학점을 벗어나지 못하는 분
   5. 논문을 쓰려고 설문지도 돌리고 데이터도 다 코딩했는데 이제 어떻게 해야할지 모르겠는 분
   6. 통계가 배우고 싶은데 아무리 공부해 봐도 어려운 증명만 나와 무슨 말인지 모르겠는 분
   7. 문송한데 통계까지 죄송할까봐 아예 통계는 들여다 볼 엄두도 못 내는 분

어려운 수학 하나 없이 최대한 산수 수준에서 문송한 분들을 위한 통계 강의
개념을 이해해야 통계가 보이는데, 무조건 계산하고 풀어서 답을 맞추라고 하니 통계가 어려웠습니다

통계를 보다 쉽게 잘 이해하도록 돕기위해 만든 통계 채널입니다

통계가 왜 어려웠는지에서부터 기초적인 것들부터 시작해서 통계의 핵심을 마스터 합니다.
처음부터 차근차근 들어보세요. 
통계가 쉬워집니다.

중고등학생들도 쉽게 통계를 이해하고 분석할 수 있습니다!!
빅데이터 분석을 하고 싶은데 통계를 몰라서 못하겠다고요?
여기서 부터 시작해 보세요!! 
천리 길도 한 걸음부터!! 
하루에 한 클립씩만 차근 차근 봅시다!!

사용 통계 소프트웨어
1. JAMOVI
  - 다운로드: https://www.jamovi.org/download.html
2. Bluesky Statistics
  - 다운로드: https://www.blueskystatistics.com




Sapientia a Dei

회귀 분석은 하나 이상의 독립 변수를 기반으로 종속 변수를 예측하는 데 사용되는 통계적 방법입니다.

'회귀'라는 용어는 무언가로 되돌아간다는 뜻으로, 변수 간의 관계를 분석하는 데 그 목적이 있습니다.

회귀 분석에는 단순 회귀(독립 변수가 하나인 경우)와 다중 회귀(독립 변수가 둘 이상인 경우)의 두 가지 유형이 있으며, 둘 다 하나의 종속 변수를 예측하는 것을 목표로 합니다.

회귀 분석은 데이터 포인트를 가장 잘 설명하는 추세선을 찾아 1억 원의 소득을 기준으로 지출을 예측하는 데 사용됩니다.

추세선의 방정식은 y = ax + b로 표현되며, 여기서 y는 종속 변수(지출)이고 x는 독립 변수(소득)입니다.

추세를 결정하는 데는 a(y-절편)와 b(기울기)의 값이 중요하며, a는 y축의 교차 지점을 나타내고 b는 x의 변화에 대한 y의 변화를 나타냅니다.

y의 증가는 x를 1로 고정하여 분석하므로 증가를 b로 표현할 수 있습니다.

y와 x의 관계는 y 모자로 표시되며 개별 값은 y1 ~ y34로 표시됩니다.

가장 합리적인 추세선을 도출하려면 특히 오차의 제곱의 합을 최소화하여 총 오차를 최소화해야 합니다.

최소제곱법은 오차의 제곱 합을 최소화하는 데 사용되며, 주어진 데이터 세트에 대해 가장 정확한 추세선을 찾는 데 도움이 됩니다.

이 방법은 분산 개념과 유사하며 선형 방정식 y = a + bx를 도출하는 데 사용됩니다.

회귀 분석의 목표는 주어진 데이터의 독립 변수를 기반으로 종속 변수를 예측하는 것입니다.

추세선은 y = a + px 방정식으로 표현되며, 여기서 a는 y-절편이고 p는 기울기입니다.

추세선을 도출하는 데는 차이의 제곱의 합을 최소화하는 최소제곱법이 사용됩니다.

최소제곱법(OLS)은 회귀 분석을 위한 가장 일반적이고 간단한 방법으로, 다양한 유형의 회귀를 위한 출발점 역할을 합니다.