5.3 Regresjon — prediksjon, minste kvadrater og r²

«Regresjon som videreføring av korrelasjon» — resonnementet som har stått i minst ti sett — pluss Ŷ = a + bX ledd for ledd, prediksjon med tall, minste kvadraters metode og r² som delt/forklart varians. Hvert regnestykke ender i prosatolkning.

60 min

4 oppgaver

Regresjonprediksjonminste kvadrater

Din fremgang i kapitlet

0 / 4 oppgaver

Kapitlets plass i kurset

Bygger på

5.1Korrelasjon — å tolke r

Brukes videre i

5.4Randsonen — andre koeffisienter og kausal kontroll i korrelasjonsdata 8.1Sjanger — korrelasjonsoppgaven 8.3Sjanger — regne- og tolkningsoppgaven (drill)

Regresjon er nesten alltid siste ledd i korrelasjonsoppgaven (T1) — og det ferdig innøvde resonnementet «regresjon er en videreføring av korrelasjon» har stått i minst ti sett.

- Regresjon dukker opp i 14 av 29 sett (2008–2025). Delen om $r^2$ (forklart varians) var fast d-ledd til og med 2020 og finnes i 11 sett.
- To ferdigheter honoreres: (1) tolke $\hat{Y} = a + bX$ i ord (hva betyr $a$ og $b$ her?), og (2) regne en prediksjon $\hat{Y}$ og gjøre om $r$ til $r^2$ . Begge tall er «snille», og formelen oppgis alltid.

Sensorregelen: vis regningen (usynlig utregning = feil #13), og la hvert tall ende i en prosatolkning — «modellen forklarer 9 % av variasjonen; 91 % skyldes annet». Regresjon predikerer, men gir fortsatt ikke kausalitet (feil #3 lurer også her).

Forkunnskaper. Dette kapitlet bygger på kap. 5.1 (korrelasjon: retning, styrke, samvariasjon ≠ kausalitet).

Sist du var her (oppfrisket):

- $r$ måler styrke og retning på en lineær sammenheng, mellom $-1$ og $+1$ .
- $r$ sier ingenting om hvor mye Y endrer seg per enhet X — bare hvor tett de følger hverandre.
- Korrelasjon er samvariasjon, ikke kausalitet — det gjelder også regresjonen vi bygger her.

Du trenger ingen ny statistikk-formel utover det som oppgis; men her regner vi (i motsetning til 5.1). Ha en enkel kalkulator klar.

Symbol- og formelliste

Hverdagsanker. En korrelasjon forteller deg at studietimer og eksamensskår henger sammen — men ikke hvor mange poeng du kan vente av én ekstra time. Regresjon svarer på nettopp det: den gir en ligning som predikerer Y fra X.

Dette er grunnen til at regresjon kalles «en videreføring av korrelasjon»: samme data, samme sammenheng — men nå med en linje du kan sette tall inn i. Vi tolker linjen i ord, predikerer med tall, og regner delt varians $r^2$ . ~60 min.

Løkke 1 — Fra korrelasjon til linje: hva a og b betyr (~15 min)

Regresjon og regresjonsligningen

\hat{Y} = a + bX

Prediktor og kriterium

X

> Feilkode #13 (glosset her ved første bruk): «usynlig utregning» — å skrive svaret uten mellomregning. I regnedeler kan sensor da ikke gi «riktig metode»-uttelling. Feilkode #3 (fra kap. 5.2): kausal tolkning av en (korrelasjons)sammenheng — lurer også i regresjon.

✏️Eksempel 1 — tolke a og b i ord

En regresjon av eksamensskår ( $Y$ , poeng) på antall studietimer ( $X$ ) gir ligningen $\hat{Y} = 20 + 2{,}5X$ . Tolk $a$ og $b$ i ord.

Intercept $a = 20$ : en student som studerer

X = 0

timer predikeres til

\hat{Y} = 20

poeng. Altså modellens gjett for «null timer». Merk:

a

er ikke «effekten av X» — det er utgangspunktet når X er null. (Og det gir bare mening hvis

X = 0

er innenfor det observerte området.)

Regresjonsvekt $b = 2{,}5$ : for hver ekstra studietime øker den predikerte skåren med 2,5 poeng. Det positive fortegnet betyr at sammenhengen er positiv (samsvarer med et positivt $r$ ).

Prosatolkning: modellen sier at studenter som ikke studerer ventes å få 20 poeng, og at hver studietime i snitt henger sammen med 2,5 poeng høyere skår. Dette er en prediksjon, ikke et bevis på at timene forårsaker poengene — det er fortsatt korrelasjonsdata.

Figuren under viser regresjonslinja $\hat{Y} = 20 + 2{,}5X$ lagt gjennom en punktsky: linja starter ved $a = 20$ på Y-aksen (X = 0) og stiger med $b = 2{,}5$ poeng per studietime.

📝Oppgave 5.3.1

(Eksamenssjanger T1/T3 — tolke ligningen. Lett innstegsoppgave.)

En regresjon gir $\hat{Y} = 30 + 1{,}5X$ , der $Y$ er trivselsskår og $X$ er antall timer fysisk aktivitet per uke.

a) Hva betyr $a = 30$ ?
b) Hva betyr $b = 1{,}5$ ?

Løkke 2 — Prediksjon: sett inn og regn Ŷ (~14 min)

📜Prediksjon med regresjonsligningen

For å predikere Y for en gitt X, sett X-verdien rett inn i ligningen:

$\hat{Y} = a + bX$

1. Skriv opp ligningen med de oppgitte $a$ og $b$ .
2. Sett inn X-verdien.
3. Regn ut — vis mellomregningen ( $a + b \cdot X$ ).
4. Tolk resultatet i ord, og sjekk om X ligger innenfor det observerte området (ellers ekstrapolerer du — se advarselen under).

✏️Eksempel 2 — regn en prediksjon

Med $\hat{Y} = 20 + 2{,}5X$ (studietimer → eksamensskår): hva predikeres skåren for en student som studerer $X = 12$ timer? Og hva er residualen hvis studenten faktisk fikk 52 poeng?

Prediksjon:

$\hat{Y} = 20 + 2{,}5 \cdot 12 = 20 + 30 = 50 \text{ poeng}$

Residual: residualen er den faktiske verdien minus den predikerte:

$Y - \hat{Y} = 52 - 50 = 2 \text{ poeng}$

Prosatolkning: modellen gjettet 50 poeng for 12 timer; studenten fikk faktisk 52 — altså 2 poeng bedre enn modellen forutsa. Residualen på $+2$ er modellens «bomavstand» for denne personen. Studenter over linjen har positive residualer (gjorde det bedre enn ventet), de under har negative.

📝Oppgave 5.3.2

(Eksamenssjanger T3 — prediksjon + residual, gjenganger.)

En regresjon av søvnkvalitet ( $Y$ , skala 0–100) på minutter skjermtid før leggetid ( $X$ ) gir $\hat{Y} = 100 - 4X$ (der $X$ måles i ti-minutters bolker: $X = 3$ betyr 30 min).

a) Predikér søvnkvaliteten for $X = 3$ (30 minutter skjermtid).
b) En person med $X = 3$ rapporterer faktisk 82. Regn residualen og tolk den.
c) Hva betyr det negative $b = -4$ ?

Ekstrapoleringsfaren (les før du predikerer vilt)

En regresjonslinje er bare pålitelig innenfor det X-området dataene dekker. Predikerer du langt utenfor (f.eks. $\hat{Y}$ for 40 studietimer når ingen i utvalget studerte mer enn 20), ekstrapolerer du — og sammenhengen kan bryte sammen der ute. Linjen «vet» ingenting om områder den aldri så data fra. Oppgi alltid forbeholdet når en oppgitt X ligger utenfor det rimelige/observerte området.

Løkke 3 — r² som delt varians: fra rangering til andel (~16 min)

— naturlig pausepunkt før det faste d-leddet —

r² — delt (forklart) varians

r^2

✏️Eksempel 3 — regn og tolk r²

En studie rapporterer $r = 0{,}40$ mellom motivasjon og prestasjon. Regn $r^2$ og tolk det. Sammenlign så med en annen sammenheng der $r = 0{,}20$ .

Regning:

r^2 = (0{,}40)^2 = 0{,}16

, altså 16 %.

Prosatolkning: 16 % av variasjonen i prestasjon henger sammen med motivasjon; de resterende 84 % skyldes andre faktorer (evner, undervisning, tilfeldig variasjon m.m.). En «moderat» korrelasjon forklarer altså en ganske beskjeden andel — et nyttig realitetssjekk.

Sammenligning: for $r = 0{,}20$ er $r^2 = (0{,}20)^2 = 0{,}04 = 4\,\%$ . Selv om $r = 0{,}40$ tallmessig bare er dobbelt så stor som $0{,}20$ , forklarer den fire ganger så mye varians ( $16\,\%$ mot $4\,\%$ ). Det er nettopp poenget: $r$ kan ikke ganges/sammenlignes lineært — men $r^2$ kan.

📝Oppgave 5.3.3

(Eksamenssjanger T1/T3 — r² som delt varians, fast d-ledd.)

En studie finner $r = 0{,}50$ mellom en ny konsentrasjonstest og karaktersnitt.

a) Regn $r^2$ og tolk det i prosa.
b) En kollega sier: « $r = 0{,}50$ , så testen forklarer halvparten av karakterene.» Hva er feil?
c) Hvor mye mer forklart varians gir $r = 0{,}50$ enn $r = 0{,}25$ ?

Løkke 4 — Minste kvadrater og regresjonslinjen i diagrammet (~13 min)

Minste kvadraters metode

a

Residual — modellens ærlighet

Y - \hat{Y}

Å skissere regresjonslinjen

I et spredningsdiagram (hvert punkt = én person, med X vannrett og Y loddrett) er regresjonslinjen den rette linjen som best følger punktskyen:

- Den krysser Y-aksen i $a$ (der $X = 0$ ).
- Den stiger med $b$ (opp hvis $b > 0$ , ned hvis $b < 0$ ).
- Punktene sprer seg rundt linjen; jo tettere de ligger, jo høyere $r^2$ .

Å plassere to punkter fra ligningen (f.eks. $\hat{Y}$ ved en lav og en høy X) og trekke linjen mellom dem er nok til en skisse. En sky uten tydelig stigning ( $r \approx 0$ ) gir en nesten flat linje.

📝Oppgave 5.3.4

(Eksamenssjanger T1/T3 — hele regresjonspakken på eksamensnivå. (krevende).)

En studie av 60 studenter gir regresjonen $\hat{Y} = 40 + 2X$ , der $Y$ er eksamensskår (poeng) og $X$ er antall gjennomførte øvingsoppgaver (observert område: 0–20 oppgaver). Korrelasjonen er $r = 0{,}60$ .

a) Tolk $a$ og $b$ i ord.
b) Predikér skåren for en student med $X = 15$ oppgaver, og for én med $X = 40$ . Kommentér den siste.
c) Regn $r^2$ og tolk det.
d) Forklar med denne oppgaven hvorfor «regresjon er en videreføring av korrelasjon» er en presis beskrivelse — og hva regresjonen ikke legger til.

Typiske feil

Feil #3 — prediksjon lest som årsak. At regresjonen predikerer Y fra X betyr ikke at X forårsaker Y.

b

er en predikert samvariasjon, ikke en kausal effekt (med mindre dataene kommer fra et eksperiment). Skriv det eksplisitt.

Feil #13 — usynlig $\hat{Y}$ -regning. Vis $a + b \cdot X$ -mellomregningen. Bare et sluttall kan ikke reddes av «riktig metode».

Å tolke $a$ som «effekten av X». $a$ er $\hat{Y}$ når $X = 0$ — utgangspunktet, ikke en effekt. Effekten (endring per X) er $b$ .

Å forveksle $r$ og $r^2$ . $r = 0{,}50$ er ikke «50 % forklart». Den forklarte andelen er $r^2 = 0{,}25 = 25\,\%$ . Kvadrer alltid før du snakker prosent.

Ekstrapolering. Å predikere langt utenfor det observerte X-området gir upålitelige (noen ganger absurde) tall. Sjekk om X ligger innenfor dataene.

Begrepsbank — regresjon

Flashcard-/repetisjonsstoff — hopp trygt over ved førstegangslesing; tidsanslaget over gjelder kjernestoffet.

Predikert verdi Ŷ

Y

Intercept a

\hat{Y}

Regresjonsvekt b

r

Regresjonsligningen

\hat{Y} = a + bX

Prediktorvariabel (X)

Variabelen vi predikerer fra i en regresjon. Til forskjell fra korrelasjon er X/Y-rollene her ikke vilkårlige: bytter du prediktor og kriterium, får du en annen linje.

Kriterievariabel (Y)

Variabelen vi predikerer til i en regresjon. Minste kvadraters metode minimerer feilen i Y (ikke i X) — derfor er regresjonen asymmetrisk.

r² (delt/forklart varians)

r = 0{,}30 \Rightarrow r^2 = 0{,}09 = 9\,\%

r kan rangeres, r² sammenlignes

r

Minste kvadraters metode

Y - \hat{Y}

Residual (Y − Ŷ)

r^2

Ekstrapolering

Å predikere for X-verdier utenfor det observerte området. Upålitelig — linjen «kjenner» ikke terrenget der ute, og sammenhengen kan bryte sammen. Oppgi forbeholdet.

Spredningsdiagram

a

«Regresjon som videreføring av korrelasjon»

r

Repetisjon — pensumkart for 5.3

Dette kapitlet er skrevet av Anthropics toppmodeller (Claude Opus og Claude Fable) og er foreløpig ikke manuelt gjennomgått — kvalitetskontrollen gjøres av uavhengige KI-agenter, og innmeldte feil rettes fortløpende. Funnet en feil? Meld fra, så retter vi den. Les mer om hvordan innholdet lages.

Skolesaga er en uavhengig læringsressurs og er ikke tilknyttet eller godkjent av Universitetet i Oslo. Dette er ikke offisielt studiemateriell. Innholdet er læringsstoff, ikke helse- eller medisinske råd. Les mer.