Kā interpretēt lineārās regresijas modeļa rezultātus?

Lineārās regresijas modeļa rezultāti parasti ietver īpašību koeficientus, brīvo locekli (interceptu) un modeļa kvalitātes metriku.

• Koeficienti rāda, kā katras īpašības izmaiņa ietekmē mērķa mainīgo. Piemēram, 2,5 koeficients īpašībai "vecums" nozīmē, ka, palielinot vecumu par 1 vienību, mērķa mainīgais vidēji palielināsies par 2,5.
• Brīvais loceklis (intercept) ir mērķa mainīgā vērtība, kad visas īpašības ir nulle.
• R² (determinācijas koeficients) rāda, cik liela daļa mērķa mainīgā dispersijas ir izskaidrojama ar modeli. Jo tuvāk 1, jo labāk.
• p-vertības un ticības intervāli koeficientiem palīdz saprast statistisko nozīmīgumu īpašībām.

Piemērs interpretācijai: īpašības "mācību stundu skaits" koeficients ir 3.2, p-vertība < 0.05, tas nozīmē, ka, palielinot mācību stundu skaitu par 1 stundu, vidēji rezultāts palielināsies par 3.2 vienībām, un šis efekts ir statistiski nozīmīgs.