Inleiding

Lineaire regressie kan zowel toegepast worden in een cross-sectioneel design als prospectieve cohorte en wordt vaak gebruikt voor volgende doelstellingen:

• Het voorspellen van een uitkomstmaat op basis van één of meerdere factoren.
• Het beschrijven van een verband tussen de uitkomstmaat en andere factoren, waarbij rekening wordt gehouden met verstorende variabelen.

In essentie is een lineair regressie model opgebouwd uit twee componenten:

• De afhankelijke uitkomstvariabele (\(Y\)), welke een continue variabele dient te zijn.
• De onafhankelijke variabele(n) (\(X\)), welke zowel continu als categorisch van aard kunnen zijn.

\(Y = \beta_0 + \beta_1 X_1 + \epsilon\)

Wanneer er slechts één onafhankelijke variabele \(X_1\) spreken we van een enkelvoudig lineair regressiemodel. Indien er meerdere onafhankelijke variabelen \(X_1, X_2, X_3,..., X_i\) spreken we van een meervoudig lineair regressiemodel.

Een regressiemodel bestaat uit twee delen, een afhankelijk deel (de uitkomst of wat er geschat moet worden) en een onafhankelijk deel (de verklarende variabelen).