Fem servir anàlisi de regressió quan tenim dades de dues variables de dues fonts diferents i volem establir una relació entre elles. L' anàlisi de regressió ens proporciona un model lineal que ens permet predir possibles resultats. Hi haurà algunes diferències entre els valors previstos i reals per raons òbvies. Com a resultat, calculem l'error estàndard mitjançant el model de regressió, que és l'error mitjà entre els valors predits i els reals. En aquest tutorial, us mostrarem com calcular l'error estàndard de l'anàlisi de regressió a Excel .

Baixeu el quadern de pràctiques

Descarregueu aquest quadern de pràctiques per fer exercici mentre esteu llegint aquest article.

4 passos senzills per calcular l'error estàndard de regressió a Excel

Suposeu que teniu un conjunt de dades amb una variable independent ( X ) i una variable dependent ( Y ) . Com podeu veure, no tenen cap relació significativa. Però volem construir-ne un. Com a resultat, utilitzarem l' Anàlisi de regressió per crear una relació lineal entre els dos. Calcularem l'error estàndard entre les dues variables mitjançant l'anàlisi de regressió. Repassarem alguns dels paràmetres del model de regressió a la segona meitat de l'article per ajudar-vos a interpretar-lo.

Pas 1: Apliqueu l'ordre d'anàlisi de dades aCreeu un model de regressió

• En primer lloc, aneu a la pestanya Dades i feu clic a Anàlisi de dades comanda.

• Des del quadre de llista Anàlisi de dades , seleccioneu el Opció de regressió .
• A continuació, feu clic a D'acord .

Pas 2: inseriu l'interval d'entrada i de sortida al quadre de regressió

• Per al Interval d'entrada Y , seleccioneu l'interval C4:C13 amb la capçalera.
• Feu clic a la casella de selecció Etiquetes .

• Seleccioneu l'interval B4:B13 per a l' Interval X d'entrada .

• Per obtenir el resultat a la ubicació preferida, seleccioneu qualsevol cel·la ( B16 ) per a Interval de sortida .
• Finalment, feu clic a D'acord .

Llegir més: Com calcular l'error estàndard de proporció a Excel (amb passos senzills)

Pas 3: esbrineu l'error estàndard

• Des de l'anàlisi de regressió, podeu obtenir el valor de l'error estàndard ( 3156471 ).

Llegir més: Com per trobar error estàndard residual a Excel (2 mètodes fàcils)

Pas 4: traça el gràfic del model de regressió

• En primer lloc, feu clic a Insereix .
• Des del grup Gràfics , seleccioneu el gràfic Dispersió .

• Feu clic amb el botó dret sobre un delspunts.
• A les opcions, seleccioneu l'opció Afegeix una línia de tendència .

• Per tant, el vostre<1 El gràfic> d'anàlisi de regressió es representarà com la imatge que es mostra a continuació.

• Per mostrar el anàlisi de regressió equació, feu clic a l'opció Mostra l'equació al gràfic a Format de la línia de tendència.

• Com a resultat, l'equació ( y = 1,0844x + 107,21 ) de l'anàlisi de regressió apareixerà al gràfic.

Notes:

Podeu calcular la diferència entre els valors predits i els reals valors de l'equació de l'anàlisi de regressió.

Pasos:

• Escriviu la fórmula per representar l'equació de l'anàlisi de regressió.

• Per tant, obtindreu el primer valor previst ( 129,9824 ), que difereix del valor real ( 133 ).

• Utilitzeu el Eina d'emplenament automàtic per omplir automàticament la columna D .

• Per calcular l'error, escriviu la fórmula següent per resta.

• Finalment, emplena automàticament la columna E per trobar els valors d'error.

Llegir més: Com calcular l'error estàndard del pendent de regressió a Excel

La interpretació de l'anàlisi de regressió a Excel

1. Error estàndard

Podem veure a partir de l'equació d'anàlisi de regressió que sempre hi ha una diferència o error entre els valors predits i els reals. Com a resultat, hem de calcular la desviació mitjana de les diferències.

Un error estàndard representa l'error mitjà entre el valor previst i el valor real. Hem descobert 8,3156471 com a error estàndard al nostre model de regressió d'exemple. Indica que hi ha una diferència entre els valors predits i reals, que podria ser superior a l' error estàndard ( 15,7464 ) o inferior al error estàndard ( 4,0048 ). Tanmateix, el nostre error mitjà serà 8,3156471 , que és l' error estàndard .

Com a resultat, l'objectiu del model és reduir l'error estàndard. Com menor l'error estàndard, més precís el model.

2. Coeficients

El coeficient de regressió avalua el respostes de valors desconeguts. A l'equació de regressió ( y = 1,0844x + 107,21 ), 1,0844 és el coeficient , x és la variable independent del predictor, 107,21 és la constant i y és el valor de resposta per a x .

• Un coeficient positiu prediu que com més gran sigui el coeficient, més gran serà la respostavariable. Indica una relació proporcional .
• Un coeficient negatiu prediu que com més alt és el coeficient, més baixos són els valors de resposta. Indica una relació desproporcionada.

3. Valors P

En l'anàlisi de regressió, p- els valors i els coeficients cooperen per informar-vos si les correlacions del vostre model són estadísticament rellevants i com són aquestes relacions. La hipòtesi nul·la que la variable independent no té cap enllaç amb la variable dependent es prova utilitzant el valor p per a cada variable independent. No hi ha cap vincle entre els canvis en la variable independent i les variacions en la variable dependent si no hi ha correlació.

• Les vostres dades de mostra donen prou suport per falsificar la hipòtesi nul·la de la població completa si el valor-p d'una variable és menys que el vostre llindar de significació. La vostra evidència recolza la noció d'una correlació diferent de zero . A nivell de població, els canvis en la variable independent estan relacionats amb els canvis en la variable dependent.
• Un valor p més gran que el nivell de significació, a banda i banda. , suggereix que la vostra mostra té proves insuficients per establir que existeix una correlació diferent de zero .

Perquè els seus valors p ( 5.787E-06 , 1.3E-06 ) són menys que el valor significatiu ( 5.787E-06 ), la variable independent (X) i Intercepta són estadísticament significatius , tal com es veu a l'exemple de sortida de regressió.

4. Valors R-quadrat

Per als models de regressió lineal, R-quadrat és una mesura d'exhaustivitat . Aquesta relació mostra el percentatge de variància de la variable dependent que tenen en compte els factors independents quan es prenen conjuntament. En una pràctica escala 0-100 per cent, R-quadrat quantifica la força de la connexió entre el vostre model i la variable dependent.

El valor R2 és una mesura de com s'ajusta el model de regressió a les vostres dades. Com més més sigui nombre , millor viable és el model.

Conclusió

Espero que aquest article us hagi donat una idea. tutorial sobre com calcular l'error estàndard de regressió a Excel . Tots aquests procediments s'han d'aprendre i aplicar al vostre conjunt de dades. Fes una ullada al quadern de pràctiques i posa a prova aquestes habilitats. Estem motivats per seguir fent tutorials com aquest a causa del vostre valuós suport.

Si teniu cap pregunta, poseu-vos en contacte amb nosaltres. A més, no dubteu a deixar comentaris a la secció següent.

Nosaltres, l'equip Exceldemy , sempre responem a les vostres consultes.

Queda't amb nosaltres i segueix aprenent.