変数を別の変数に対して回帰するとはどういう意味ですか

をに対して回帰するということは、が独立変数であり、Yが従属変数であることを意味しますか？すなわち、です。 $Y$ $X$ $X$ $Y =aX + b$

regression terminology

— ビクター
ソース

残念ながら、話している人によって異なります。「XでYを回帰しました」とは、一般的にYが左側の変数であることを意味しますが、一部の人々はその反対を意味します。

— ビル14

ほぼ常に、はい...ですが、おそらくE（Y）= aX + bを意味します。そうでなければ、回帰はまったく必要ありません（与えた平等を本当に意味するなら、すべての点が線上にあるため）。

— Glen_b -Reinstateモニカ

>個人的には、独立/依存変数言語がそれほど役立つとは思いません。これらの単語は因果関係を暗示しますが、回帰は逆の方向でも機能します（Yを使用してXを予測します）。独立/依存変数言語は、一方が他方に依存する方法を指定するだけです。一般的に言えば、因果関係がない場合、回帰よりも相関を使用する方が理にかなっています。一つのことは、他の原因ではない場合は、多くのポイントは、（少なくともない科学的な見地から）他の事を予測するためにそれを使用して、単にたびに関係を反転してありません

相関と回帰の実質的な違いはあまりありません。確かに因果関係はありません。

— グン-モニカの復職

これは物語の一部にすぎません。因果関係と予測は、科学においても密接に関係していません。たとえば、環境科学の大部分は、効果を使用して原因を予測または推測することに専念しています。たとえば、温度の影響を受けるプロキシからの過去の温度です。因果関係に関係なく、2つの変数の相互予測可能性が重要な場合があります。たとえば、「同じ」プロパティの異なる測定値があります。2つの変数が同じ足場にある場合でも、

と

異なる役割を区別することに依存しない線形近似が存在する場合があります（長軸の短縮など）

y

$y$

x

$x$

— Nick Cox

通常、既知のXによってパラメータ化された表面を見つけることを意味し、Yは通常その表面の近くにあります。これにより、Xを知っているときに未知のYを見つけるためのレシピが得られます。

例として、データはX = 1、...、100です。Yの値はY軸にプロットされます。赤い線は線形回帰曲面です。

ここに画像の説明を入力してください

個人的には、独立/依存変数言語がそれほど役立つとは思いません。これらの単語は因果関係を暗示していますが、回帰は逆の方向でも機能します（Yを使用してXを予測します）。

— 推測
ソース

$Y = a+bX$

bias=lm(TBV~GBV)

— ゴパル・ゴワネ
ソース