90416

Stosowana terminologia jest następująca:

Proces stochastyczny- zbiór możliwych wyników obserwacji zmiennej objaśnianej (Y) Funkcja regresji- model hipotetyczny((Zty

Wyróżnia się następujący podział:

Z uwagi na losowość zmiennych objaśniających- regresja z -nielosowymi zmiennymi objaśniającymi -losowymi zmiennymi objaśniającymi

Z uwagi na złożenie składnika losowego i modelu hipotetycznego:

-regresja ze składnikiem losowym addytywnym, czyli: Y=Q+E -regresja ze składnikiem losowym multiplikatywnym, czyli Y= (D*E

Z uwagi na postać analityczna modelu hipotetycznego -regresja liniowa czyli Q=Ib_kX_k -nieliniowa, na przykład wykładnicza

Z uwagi na typ powiązania zmiennej objaśnianej ze zmiennymi objaśniającymi-regresja:

•    Klasyczna

•    Segmentowa

•    Lokalna

Z uwagi na wariancie i korelacje składników losowych- regresja:

•    Ze sferycznymi składnikami losowymi (składniki losowe mają identyczne wariancje i są wzajemnie nieskorelowane)

•    Z niesferycznymi składnikami losowymi (składniki losowe mają różne wariancje lub są skorelowane)

Z uwagi na probabilistyczny rozkład składników losowych, regresja:

•    Normalna (gdy proces stochastyczny składników losowych ma nieosobliwy rozkład normalny)

•    Nie-normalna (gdy proces stochastyczny składników losowych ma rozkład inny niż normalny)

Najczęściej rozpatruje się układy z następującymi założeniami:

•    Zmienne objaśniające są nielosowe

•    Regresja ze składnikiem losowym addytywnym, czyli Y= O+E

•    Regresja liniowa, czyli (D= Zb_kX_k

•    Regresja klasyczna

•    Ze sferycznymi składnikami losowymi (składniki losowe mają identyczne wariancje-zwykle równe 0 i są wzajemnie nieskorelowane)