I modelli predittivi sono ottimi strumenti per predire tendenze future a partire dai dati passati, purché il fenomeno analizzato rimanga invariato, condizione difficilmente realizzabile. Lo statistico inglese George E. P. Box (1919 – 2013) affermò che «tutti i modelli sono sbagliati, alcuni sono utili»: sebbene si tratti di rappresentazioni approssimative della realtà, alcune sono comunque informative. Saranno poi gli indici di bontà di adattamento a valutare quanto un modello sia accurato nel riprodurre la realtà studiata.

Questo modulo ci mostrerà come utilizzare i modelli di regressione lineare per prevedere variabili quantitative, e i modelli di classificazione, come la regressione logistica, per previsioni qualitative. Inoltre, capiremo come un buon modello debba trovare un giusto compromesso fra capacità predittiva e parsimonia. Infatti, secondo il Principio del Rasoio di Occam «a parità di fattori, la spiegazione più semplice è da preferire». Il filosofo inglese Guglielmo di Occam (1285 – 1347) sottolineò quindi l’inutilità di formulare più ipotesi di quelle necessarie per spiegare un fenomeno.

Una solida conoscenza teorica e applicativa dei modelli predittivi ti permetterà di scegliere quello più adatto a ciascun contesto di analisi e, conseguentemente, di sviluppare le tue competenze critiche nell’interpretazione dei risultati.

Tra i software analitici, la componente aggiuntiva Analisi dati di Excel, a cui è dedicato un intero modulo di Excel, offre anche lo strumento di analisi Regressione. Questa funzionalità permette di creare modelli predittivi come la regressione lineare, sia semplice che multivariata.