300 Примеров

Регресс

Regression

R квадрат | Значимость F и P-значения | Коэффициенты | Остатки





Этот пример научит вас запускать линейный регрессионный анализ в Excel и как интерпретировать итоговый результат.

Ниже вы можете найти наши данные. Большой вопрос: есть ли связь между проданным количеством (выпуск) и ценой и рекламой (ввод). Другими словами: можем ли мы предсказать проданное количество, зная цену и рекламу?





Данные регрессии в Excel

1. На вкладке «Данные» в группе «Анализ» щелкните «Анализ данных».



Нажмите Анализ данных

Примечание: не можете найти кнопку анализа данных? Нажмите здесь, чтобы загрузить Надстройка Analysis ToolPak .

2. Выберите «Регрессия» и нажмите «ОК».

Выберите регрессию

3. Выберите диапазон Y (A1: A8). Это переменная-предиктор (также называемая зависимой переменной).

4. Выберите диапазон X (B1: C8). Это объясняющие переменные (также называемые независимыми переменными). Эти столбцы должны примыкать друг к другу.

5. Проверьте ярлыки.

6. Щелкните поле Диапазон вывода и выберите ячейку A11.

7. Проверьте остатки.

8. Щелкните ОК.

Вход и выход регрессии

Excel выдает следующий итоговый результат (с округлением до 3 десятичных знаков).

R квадрат

R Square равен 0,962, что очень хорошо подходит. 96% вариации количества проданных товаров объясняется независимыми переменными Price и Advertising. Чем ближе к 1, тем лучше линия регрессии (читайте дальше) соответствует данным.

как преобразовать формулу в значение в Excel

R квадрат

Значение F и P-значения

Чтобы проверить, являются ли ваши результаты надежными (статистически значимыми), посмотрите на значение F (0,001). Если это значение меньше 0,05, все в порядке. Если значимость F больше 0,05, вероятно, лучше прекратить использование этого набора независимых переменных. Удалите переменную с высоким значением P (больше 0,05) и повторно запустите регрессию до тех пор, пока значение F не упадет ниже 0,05.

Большинство или все P-значения должны быть ниже 0,05. В нашем примере это так. (0,000, 0,001 и 0,005).

Анова

Коэффициенты

Линия регрессии: y = Проданное количество = 8536,214 -835,722 * Цена + 0,592 * Реклама. Другими словами, при увеличении цены на каждую единицу проданное количество уменьшается на 835,722 единицы. При увеличении каждой единицы рекламы проданное количество увеличивается на 0,592 единицы. Это ценная информация.

Вы также можете использовать эти коэффициенты для прогноза. Например, если цена равна 4 долларам, а реклама равна 3000 долларам, вы можете достичь проданного количества 8536,214 -835,722 * 4 + 0,592 * 3000 = 6970.

Остатки

Остатки показывают, насколько далеко фактические точки данных находятся от прогнозируемых точек данных (с использованием уравнения). Например, первая точка данных равна 8500. Используя уравнение, прогнозируемая точка данных равна 8536,214 -835,722 * 2 + 0,592 * 2800 = 8523,009, что дает остаток 8500-8523,009 = -23,009.

Остатки

Вы также можете создать диаграмму рассеяния этих остатков.

Точечная диаграмма

10/10 Завершено! Узнать больше о пакете инструментов для анализа>
Перейти к следующей главе: Создать макрос



^