Słownik metodologiczny · Regresja

Regresja liniowa – wzór, interpretacja współczynników, założenia i przykład

Regresja liniowa opisuje, jak średni wynik zmiennej zależnej zmienia się wraz z predyktorami. Wyjaśniamy model i metodę najmniejszych kwadratów, różnicę między b i β, R², założenia i diagnostykę reszt – na przykładzie z kodem R i opisem APA.

Strona główna / Słownik / Regresja liniowa
W skrócie: Regresja liniowa opisuje średnią wartość zmiennej zależnej jako liniową funkcję jednego lub kilku predyktorów: Y = b0 + b1X1 + … + e. Współczynnik b mówi, o ile zmienia się przewidywany wynik, gdy predyktor rośnie o jednostkę, a pozostałe są stałe; R² – jaką część wariancji wyjaśnia model. Założenia dotyczą reszt, a nie surowych zmiennych: sprawdź liniowość, homoskedastyczność, normalność reszt i obserwacje wpływowe, a w pracy podaj b z 95% CI.

Co to jest regresja liniowa?

Regresja liniowa (ang. linear regression) to model, który opisuje, jak średnia wartość ilościowej zmiennej zależnej Y zmienia się wraz z jednym lub kilkoma predyktorami X. Schober i Vetter (2021) ujmują to krótko: regresja liniowa kwantyfikuje związek jednej lub więcej zmiennych niezależnych z ciągłą zmienną zależną. Gdy predyktor jest jeden, mówimy o regresji prostej, gdy jest ich kilka – o regresji wielorakiej.

W psychologii regresja służy do opisu związków (o ile wyższy jest średni wynik przy wyższym predyktorze), do przewidywania (jaki wynik uzyska osoba o danych cechach) i do kontroli zmiennych (jaki jest związek X z Y przy stałym poziomie innych predyktorów). Podręcznik Gelmana i in. (2020) pokazuje praktyczne użycie regresji właśnie do porównań, estymacji, predykcji i wnioskowania przyczynowego. „Liniowa” oznacza liniowość względem współczynników – model może zawierać także kwadrat predyktora czy iloczyn dwóch predyktorów (regresja krzywoliniowa, moderacja).

Model regresji: wzór, współczynniki b i β, R²

Y = b0 + b1X1 + b2X2 + … + bkXk + e
  • b0 – stała (wyraz wolny): przewidywany wynik, gdy wszystkie predyktory są równe zero;
  • b1 … bk – współczynniki nachylenia: o ile zmienia się przewidywany Y, gdy dany predyktor rośnie o jednostkę, a pozostałe predyktory są stałe;
  • e – błąd losowy; jego oszacowania z próby to reszty, czyli różnice między wynikiem obserwowanym a przewidywanym.

Współczynniki szacuje się zwykle metodą najmniejszych kwadratów (MNK): program wybiera takie b, przy których suma kwadratów reszt jest najmniejsza. W regresji prostej daje to linię najlepszego dopasowania, a jej nachylenie jest związane z korelacją Pearsona: b = r × SDY / SDX. Najważniejsze wielkości z wydruku zebraliśmy w tabeli.

Wielkości raportowane w regresji liniowej
WielkośćCo mówiNa co uważać
b (niestandaryzowany)Zmiana Y w jednostkach skali na jednostkę predyktoraNie porównuj b predyktorów mierzonych na różnych skalach
β (standaryzowany)Zmiana Y w odchyleniach standardowych na 1 SD predyktora (po standaryzacji)Zależy od zróżnicowania zmiennych w próbie
SE i 95% CI dla bPrecyzja oszacowania (błąd standardowy, przedział ufności)CI nieobejmujący zera odpowiada p < .05
R²Odsetek wariancji Y wyjaśniony przez modelRośnie po dodaniu każdego predyktora; podawaj też skorygowane R²
Test F modeluCzy model jako całość wyjaśnia więcej niż sama średniaIstotny F nie znaczy, że każdy predyktor jest istotny

Założenia regresji liniowej

Wnioskowanie z regresji MNK (p, przedziały ufności) opiera się na założeniach dotyczących błędów modelu, a nie surowych zmiennych. Williams i in. (2013) korygują popularne nieporozumienie: regresja wieloraka wymaga – zwłaszcza w małych próbach – normalności błędów, a nie normalności zmiennej zależnej czy predyktorów. Lumley i in. (2002) pokazują ponadto, że w dużych próbach regresja liniowa daje trafne wnioski także przy rozkładzie wyniku dalekim od normalnego.

Założenia regresji liniowej i sposoby ich sprawdzania
ZałożenieJak sprawdzićCo zrobić, gdy nie jest spełnione
Liniowość związkuWykres reszt względem wartości dopasowanych (linia powinna być płaska)Dodaj składnik krzywoliniowy lub przekształć zmienną
Niezależność obserwacjiPlan badania (pomiary powtarzane, osoby w grupach)Model wielopoziomowy; w szeregach czasowych test Durbina–Watsona
HomoskedastycznośćWykres pierwiastka z |reszt standaryzowanych| względem wartości dopasowanychOdporne błędy standardowe (np. HC3)
Normalność resztWykres Q-Q resztW dużej próbie zwykle niegroźna; w małej – bootstrap lub inny model
Brak silnej współliniowościVIF predyktorówPołącz lub usuń nadmiarowe predyktory
Brak obserwacji nadmiernie wpływowychOdległość Cooka, dźwigniaSprawdź dane; podaj wyniki z obserwacjami i bez nich

W praktyce te kroki często się pomija. W przeglądzie 12 czasopism psychologii klinicznej Ernst i Albers (2017) ustalili, że 92% artykułów stosujących regresję liniową nie raportowało jasno sprawdzania założeń, a w 4% artykułów za konieczne założenie uznawano normalność samych zmiennych zamiast reszt.

Przykład: czas nauki, lęk przed statystyką i wynik egzaminu

Przyjmijmy, że 120 studentów psychologii (dane symulowane) podało liczbę godzin nauki w tygodniu przed egzaminem ze statystyki (M = 9.26, SD = 4.05) i wypełniło skalę lęku przed statystyką (1–5; M = 3.03, SD = 0.89). Wynik egzaminu (0–100) wyniósł średnio 59.02 punktu (SD = 14.08) i korelował z czasem nauki, r = .65, oraz z lękiem, r = −.41.

Regresja prosta

Model z jednym predyktorem ma postać: wynik = 38.24 + 2.25 × godziny. Każda dodatkowa godzina nauki wiąże się z wynikiem wyższym średnio o 2.25 punktu, 95% CI [1.76, 2.73], t(118) = 9.20, p < .001. Czas nauki wyjaśnia 42% wariancji wyników, R² = .42, F(1, 118) = 84.58, p < .001. Stała 38.24 to przewidywany wynik osoby, która w ogóle się nie uczyła – to jednak ekstrapolacja, bo najmniejsza wartość w próbie wynosiła 1 godzinę.

Wykres rozrzutu wyniku egzaminu względem godzin nauki dla 120 osób z prostą regresji wynik = 38.24 + 2.25 × godziny, 95% pasmem ufności i zaznaczonymi na czerwono resztami dla 14 osób; R² = .42
Rysunek 1. Regresja prosta wyniku egzaminu względem liczby godzin nauki. Niebieska linia to prosta najmniejszych kwadratów, pasmo – 95% przedział ufności dla średniego wyniku, czerwone odcinki – reszty wybranych osób. MNK wybiera prostą, dla której suma kwadratów wszystkich reszt jest najmniejsza. Obliczenia: R (dane symulowane).

Regresja wieloraka

Po dodaniu lęku przed statystyką model wyjaśniał 49% wariancji, R² = .49, skorygowane R² = .48, F(2, 117) = 56.34, p < .001. Współczynniki przedstawia tabela.

Wyniki regresji wielorakiej wyniku egzaminu
PredyktorbSE95% CI dla bβt(117)p
Stała53.464.38[44.79, 62.13]—12.21< .001
Godziny nauki2.030.23[1.57, 2.50]0.598.66< .001
Lęk przed statystyką−4.381.07[−6.49, −2.26]−0.28−4.10< .001

Przy tym samym poziomie lęku każda godzina nauki wiąże się z wynikiem wyższym o 2.03 punktu, a przy tej samej liczbie godzin każdy punkt lęku – z wynikiem niższym o 4.38 punktu. Dwie osoby, które uczyły się po 10 godzin, ale różnią się lękiem (2 i 4 punkty), mają przewidywane wyniki 65.06 i 56.30. Współczynnik czasu nauki spadł z 2.25 do 2.03, bo bardziej zalęknieni studenci uczyli się nieco krócej (r = −.22) – część związku godzin z wynikiem była wspólna z lękiem. Według β silniejszym predyktorem jest czas nauki (β = 0.59) niż lęk (β = −0.28).

Diagnostyka reszt

Rysunek 2 przedstawia panel diagnostyczny z funkcji check_model() (pakiet performance).

Cztery panele diagnostyczne regresji wielorakiej: prawie płaska linia reszt względem wartości dopasowanych, prawie płaska linia homoskedastyczności, wszystkie obserwacje wewnątrz konturów odległości Cooka i reszty układające się wzdłuż prostej na wykresie Q-Q
Rysunek 2. Diagnostyka reszt modelu z dwoma predyktorami: liniowość, homoskedastyczność, obserwacje wpływowe i normalność rozkładu reszt. Czerwone linie ciągłe to wygładzone trendy, szare pasma – ich niepewność, przerywane krzywe – kontury odległości Cooka. Obliczenia: R (dane symulowane).

Linie odniesienia są prawie płaskie, a reszty układają się wzdłuż prostej na wykresie Q-Q; formalne testy nie wskazują na problem (normalność reszt: p = .763; heteroskedastyczność: p = .768). Współliniowość jest znikoma (VIF = 1.05), a największa odległość Cooka wynosi 0.075, więc żadna obserwacja odstająca nie dominuje wyniku. Przy wielu predyktorach lub dodawaniu ich blokami sięgnij po regresję hierarchiczną.

Jak opisać regresję w pracy (APA)

Podaj rodzaj modelu, R² z testem F, dla każdego predyktora b z 95% CI (lub SE), β, t i p oraz jedno zdanie o diagnostyce. Wzór dla przykładu:

Aby sprawdzić, czy czas nauki i lęk przed statystyką pozwalają przewidywać wynik egzaminu, przeprowadzono regresję liniową wieloraką. Model wyjaśniał 49% wariancji wyników, R² = .49, skorygowane R² = .48, F(2, 117) = 56.34, p < .001. Dłuższa nauka wiązała się z wyższym wynikiem, b = 2.03, 95% CI [1.57, 2.50], β = 0.59, t(117) = 8.66, p < .001, a wyższy lęk przed statystyką – z niższym wynikiem, b = −4.38, 95% CI [−6.49, −2.26], β = −0.28, t(117) = −4.10, p < .001. Analiza reszt nie wskazała na naruszenie założeń modelu, a współliniowość predyktorów była niska (VIF = 1.05).

Przy kilku predyktorach wyniki zbierz w tabeli – wzór z notą znajdziesz w haśle tabela regresji w APA, a gotowe zdania do innych analiz w poradniku jak opisać wyniki w stylu APA.

Przykład reprodukowalny

Przykład w R

Kod tworzy dane z przykładu, szacuje regresję prostą i wieloraką, liczy współczynniki standaryzowane, VIF i testy założeń. Liczby w tekście pochodzą z tego kodu; rysunki przedstawiają te same wyniki w szacie graficznej serwisu.

Regresja prosta i wieloraka z diagnostyką

Dane wejściowe: 120 studentów (dane symulowane, set.seed(355)): godziny nauki, lęk przed statystyką (1–5) i wynik egzaminu (0–100).

Co odczytać: kolumny Estimate (b), Std. Error, t value i Pr(>|t|), wiersz Multiple R-squared i test F, przedziały ufności z confint(), β z standardize_parameters(), VIF, wartości p testów normalności reszt i homoskedastyczności oraz największą odległość Cooka.

R
library(effectsize)    # standardize_parameters()
library(car)           # vif()
library(performance)   # check_model(), check_normality(), check_heteroscedasticity()

# Dane symulowane: godziny nauki, lęk przed statystyką (1–5) i wynik egzaminu (0–100), N = 120
set.seed(355)
n <- 120
lek <- pmin(pmax(round(rnorm(n, 3, 0.8) * 4) / 4, 1), 5)
godziny <- pmin(pmax(round(9 - 1.2 * (lek - 3) + rnorm(n, sd = 3.8)), 0), 25)
wynik <- pmin(pmax(round(42 + 2.0 * godziny - 4.5 * (lek - 3) + rnorm(n, sd = 10)), 0), 100)
dane <- data.frame(godziny, lek, wynik)
round(sapply(dane, function(x) c(M = mean(x), SD = sd(x))), 2)
round(cor(dane), 2)

# Regresja prosta: wynik egzaminu przewidywany liczbą godzin nauki
m_prosty <- lm(wynik ~ godziny, data = dane)
summary(m_prosty)

# Regresja wieloraka: godziny nauki i lęk przed statystyką
model <- lm(wynik ~ godziny + lek, data = dane)
summary(model)
round(confint(model), 2)
standardize_parameters(model)   # współczynniki standaryzowane β
vif(model)

# Diagnostyka reszt: wykresy, wartości p testów założeń i największa odległość Cooka
check_model(model, check = c("linearity", "homogeneity", "qq", "outliers"))
round(c(normalnosc_reszt = as.numeric(check_normality(model)),
        heteroskedastycznosc = as.numeric(check_heteroscedasticity(model))), 3)
round(max(cooks.distance(model)), 3)
Wynik w R
Loading required package: carData
   godziny  lek wynik
M     9.26 3.03 59.02
SD    4.05 0.89 14.08
        godziny   lek wynik
godziny    1.00 -0.22  0.65
lek       -0.22  1.00 -0.41
wynik      0.65 -0.41  1.00

Call:
lm(formula = wynik ~ godziny, data = dane)

Residuals:
     Min       1Q   Median       3Q      Max 
-26.6707  -5.2563  -0.8224   6.6922  29.0647 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)  38.2388     2.4657  15.509  < 2e-16 ***
godziny       2.2451     0.2441   9.197 1.59e-15 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 10.79 on 118 degrees of freedom
Multiple R-squared:  0.4175,	Adjusted R-squared:  0.4126 
F-statistic: 84.58 on 1 and 118 DF,  p-value: 1.592e-15


Call:
lm(formula = wynik ~ godziny + lek, data = dane)

Residuals:
     Min       1Q   Median       3Q      Max 
-26.7739  -5.9371  -0.6922   6.1710  28.1915 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)    
(Intercept)   53.461      4.378  12.212  < 2e-16 ***
godziny        2.035      0.235   8.660 3.04e-14 ***
lek           -4.376      1.068  -4.097 7.74e-05 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 10.14 on 117 degrees of freedom
Multiple R-squared:  0.4906,	Adjusted R-squared:  0.4819 
F-statistic: 56.34 on 2 and 117 DF,  p-value: < 2.2e-16

            2.5 % 97.5 %
(Intercept) 44.79  62.13
godziny      1.57   2.50
lek         -6.49  -2.26
# Standardization method: refit

Parameter   | Std. Coef. |         95% CI
-----------------------------------------
(Intercept) |   1.16e-17 | [-0.13,  0.13]
godziny     |       0.59 | [ 0.45,  0.72]
lek         |      -0.28 | [-0.41, -0.14]
 godziny      lek 
1.050202 1.050202 
    normalnosc_reszt heteroskedastycznosc 
               0.763                0.768 
[1] 0.075

Bibliografia oprogramowania

Wyniki na tej stronie pochodzą z uruchomienia pokazanego kodu w R 4.5.3; rysunki przygotowano w pakiecie ggplot2 (panel diagnostyczny – w pakietach performance, see i patchwork). W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. effectsize (wersja 1.0.2): Ben-Shachar, M. S., Lüdecke, D., & Makowski, D. (2020). effectsize: Estimation of effect size indices and standardized parameters. Journal of Open Source Software, 5(56), 2815. https://doi.org/10.21105/joss.02815
  3. car (wersja 3.1.5): Fox, J., & Weisberg, S. (2019). An R companion to applied regression (3rd ed.). Sage. https://www.john-fox.ca/Companion/
  4. performance (wersja 0.16.0): Lüdecke, D., Ben-Shachar, M. S., Patil, I., Waggoner, P., & Makowski, D. (2021). performance: An R package for assessment, comparison and testing of statistical models. Journal of Open Source Software, 6(60), 3139. https://doi.org/10.21105/joss.03139
  5. see (wersja 0.13.0): Lüdecke, D., Patil, I., Ben-Shachar, M. S., Wiernik, B. M., Waggoner, P., & Makowski, D. (2021). see: An R package for visualizing statistical models. Journal of Open Source Software, 6(64), 3393. https://doi.org/10.21105/joss.03393
  6. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  7. patchwork (wersja 1.3.2): Pedersen, T. L. (2025). patchwork: The composer of plots [R package]. https://doi.org/10.32614/CRAN.package.patchwork

Najczęstsze błędy

  • Sprawdzanie normalności zmiennych zamiast reszt. Założenie dotyczy błędów modelu (Williams i in., 2013); skośny rozkład predyktora nie jest problemem.
  • Brak opisu diagnostyki. Jedno zdanie o resztach, VIF i obserwacjach wpływowych wystarczy, a w wielu artykułach go brakuje (Ernst i Albers, 2017).
  • Język przyczynowy w badaniu korelacyjnym. b opisuje różnicę w średnim wyniku między osobami różniącymi się predyktorem, a nie skutek zmiany predyktora u tej samej osoby.
  • Ekstrapolacja. Przewidywania poza zakresem obserwowanych danych (np. dla 0 godzin nauki, gdy najmniej było 1) są niepewne.
  • Porównywanie siły predyktorów po b. Predyktory na różnych skalach porównuj za pomocą β albo w jednostkach o znaczeniu praktycznym.
  • Dobór predyktorów metodą krokową na podstawie wartości p zamiast teorii – model dopasowuje się do przypadkowych cech próby.
  • Regresja liniowa dla niewłaściwego typu wyniku. Dla wyniku dwuwartościowego użyj regresji logistycznej, dla porządkowego – regresji porządkowej, a dla liczebności – regresji Poissona.

Najczęstsze pytania

Co to jest regresja liniowa?

To model, który przewiduje średnią wartość ilościowej zmiennej zależnej na podstawie jednego (regresja prosta) lub kilku predyktorów (regresja wieloraka). Każdy predyktor ma współczynnik b, a cały model – miarę dopasowania R². Współczynniki szacuje się zwykle metodą najmniejszych kwadratów.

Jak interpretować współczynnik b w regresji?

b to przewidywana zmiana zmiennej zależnej, gdy predyktor rośnie o jednostkę, a pozostałe predyktory są stałe. W przykładzie z tej strony b = 2.03 oznacza, że przy tym samym poziomie lęku każda godzina nauki wiąże się z wynikiem egzaminu wyższym średnio o 2.03 punktu.

Czym różni się b od β (beta) w regresji?

b jest wyrażone w jednostkach skali (np. punkty na godzinę), a β – w odchyleniach standardowych, bo pochodzi z modelu na zmiennych standaryzowanych. β pozwala porównać siłę predyktorów mierzonych na różnych skalach, ale zależy od zróżnicowania zmiennych w próbie, więc w pracy podawaj oba współczynniki.

Jakie są założenia regresji liniowej?

Liniowość związku, niezależność obserwacji, stała wariancja reszt (homoskedastyczność), normalność reszt (ważna zwłaszcza w małych próbach), brak silnej współliniowości predyktorów i brak obserwacji nadmiernie wpływowych. Sprawdza się je głównie na wykresach reszt, VIF i odległości Cooka.

Czy zmienne w regresji muszą mieć rozkład normalny?

Nie. Założenie normalności dotyczy błędów modelu, czyli reszt, a nie zmiennej zależnej ani predyktorów (Williams i in., 2013). W dużych próbach nawet wyraźnie nienormalne reszty zwykle nie podważają wniosków o współczynnikach (Lumley i in., 2002).

Co oznacza R² w regresji?

R² to odsetek wariancji zmiennej zależnej wyjaśniony przez model, od 0 do 1. Na przykład R² = .49 oznacza, że predyktory wyjaśniają 49% zróżnicowania wyników. Ponieważ R² rośnie po dodaniu każdego predyktora, podawaj też skorygowane R².

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Ernst, A. F., & Albers, C. J. (2017). Regression assumptions in clinical psychology research practice—A systematic review of common misconceptions. PeerJ, 5, Article e3323. https://doi.org/10.7717/peerj.3323 ● Otwarty dostęp
  2. Gelman, A., Hill, J., & Vehtari, A. (2020). Regression and other stories. Cambridge University Press. https://doi.org/10.1017/9781139161879
  3. Lumley, T., Diehr, P., Emerson, S., & Chen, L. (2002). The importance of the normality assumption in large public health data sets. Annual Review of Public Health, 23(1), 151–169. https://doi.org/10.1146/annurev.publhealth.23.100901.140546
  4. Schober, P., & Vetter, T. R. (2021). Linear regression in medical research. Anesthesia & Analgesia, 132(1), 108–109. https://doi.org/10.1213/ANE.0000000000005206 ● Otwarty dostęp
  5. Williams, M. N., Grajales, C. A. G., & Kurkiewicz, D. (2013). Assumptions of multiple regression: Correcting two misconceptions. Practical Assessment, Research, and Evaluation, 18, Article 11. https://doi.org/10.7275/55hn-wk47 ● Otwarty dostęp: pełny tekst

Cytowania BibTeX

@article{ernst2017regression, author={Ernst, Anja F. and Albers, Casper J.}, title={{Regression assumptions in clinical psychology research practice—A systematic review of common misconceptions}}, journal={PeerJ}, year={2017}, volume={5}, eid={e3323}, doi={10.7717/peerj.3323}}
@book{gelman2020regression, author={Gelman, Andrew and Hill, Jennifer and Vehtari, Aki}, title={{Regression and other stories}}, year={2020}, publisher={Cambridge University Press}, doi={10.1017/9781139161879}}
@article{lumley2002importance, author={Lumley, Thomas and Diehr, Paula and Emerson, Scott and Chen, Lu}, title={{The importance of the normality assumption in large public health data sets}}, journal={Annual Review of Public Health}, year={2002}, volume={23}, number={1}, pages={151--169}, doi={10.1146/annurev.publhealth.23.100901.140546}}
@article{schober2021linear, author={Schober, Patrick and Vetter, Thomas R.}, title={{Linear regression in medical research}}, journal={Anesthesia \& Analgesia}, year={2021}, volume={132}, number={1}, pages={108--109}, doi={10.1213/ane.0000000000005206}}
@article{williams2013assumptions, author={Williams, Matt N. and Grajales, Carlos A. G. and Kurkiewicz, Dason}, title={{Assumptions of multiple regression: Correcting two misconceptions}}, journal={Practical Assessment, Research, and Evaluation}, year={2013}, volume={18}, eid={11}, doi={10.7275/55hn-wk47}}
R