Το άρθρο θα σας δείξει μερικές βασικές μεθόδους για το πώς να κάνετε ανάλυση πολλαπλής παλινδρόμησης στο Excel Πρόκειται για ένα πολύ σημαντικό θέμα στον τομέα της στατιστικής. Μας βοηθά να προβλέψουμε μια εξαρτημένη μεταβλητή που αφορά μία ή περισσότερες εξαρτημένες μεταβλητές.

Στο σύνολο δεδομένων, έχουμε κάποιες πληροφορίες για ορισμένα αυτοκίνητα: τα ονόματα , τιμές , μέγιστες ταχύτητες στο μίλια ανά ώρα , το μέγιστη ισχύς που μπορεί να παράγει ο κινητήρας τους, και το μέγιστο εύρος της απόστασης που μπορούν να διανύσουν χωρίς να γεμίσουν το ρεζερβουάρ τους.

Κατεβάστε το βιβλίο ασκήσεων

Τι είναι η πολλαπλή παλινδρόμηση;

Πολλαπλή παλινδρόμηση είναι μια στατιστική διαδικασία με την οποία μπορούμε να αναλύσουμε τη σχέση μεταξύ μιας εξαρτημένη μεταβλητή και διάφορα ανεξάρτητες μεταβλητές Ο σκοπός της παλινδρόμηση είναι να προβλέψει τη φύση των εξαρτημένες μεταβλητές σε σχέση με τις αντίστοιχες ανεξάρτητες μεταβλητές .

2 βήματα για να κάνετε ανάλυση πολλαπλής παλινδρόμησης στο Excel

Βήμα- 1: Ενεργοποιήστε την καρτέλα Ανάλυση δεδομένων

Το Καρτέλα δεδομένων δεν περιέχει το Ανάλυση δεδομένων Για να την ενεργοποιήσετε, ακολουθήστε την παρακάτω διαδικασία.

• Πρώτον, μεταβείτε στη διεύθυνση Αρχείο >>, Επιλογές

• Στη συνέχεια επιλέξτε Πρόσθετα >>, Πρόσθετα του Excel >>, Go

• Ελέγξτε το Εργαλειοθήκη ανάλυσης στο Διαθέσιμα πρόσθετα: και κάντε κλικ στο OK .

Μετά από αυτό, το Κορδέλα ανάλυσης δεδομένων θα εμφανιστεί στο Καρτέλα δεδομένων .

Βήμα- 2: Δημιουργία της ανάλυσης πολλαπλής παλινδρόμησης στο Excel

Εδώ θα σας δείξω πώς να αναλύσετε πολλαπλή παλινδρόμηση .

• Από το Δεδομένα tab>> select Ανάλυση δεδομένων
• A παράθυρο διαλόγου θα εμφανιστεί η επιλογή Παλινδρόμηση και κάντε κλικ στο OK .

A Παλινδρόμηση θα εμφανιστεί το παράθυρο διαλόγου.

• Θα προβλέψουμε το αυτοκίνητο τιμή σύμφωνα με τους μέγιστη ταχύτητα , μέγιστη ισχύς και εύρος .
• Επιλέξτε το εύρος του εξαρτημένες μεταβλητές ( Εύρος εισόδου Y ). Στην περίπτωσή μου, είναι C4:C14 .
• Μετά από αυτό, επιλέξτε το εύρος του ανεξάρτητες μεταβλητές ( Εύρος εισόδου X ). Στην περίπτωσή μου, είναι D4:F14 .
• Ελέγξτε το Ετικέτες και επιλέξτε Νέο φύλλο εργασίας Ply: στο Επιλογές εξόδου . Αν θέλετε το ανάλυση παλινδρόμησης στο τρέχον φύλλο, βάλτε μια αναφορά κελιού όπου θέλετε να ξεκινήσετε το ανάλυση στο Εύρος εξόδου

Μπορείτε να επιλέξετε Υπολείμματα αν θέλετε να κάνετε περαιτέρω ανάλυση .

• Μετά από αυτό, θα δείτε το ανάλυση παλινδρόμησης σε ένα νέο φύλλο . Μορφοποιήστε το ανάλυση ανάλογα με την ευκολία σας.

Έτσι μπορείτε να κάνετε ανάλυση πολλαπλής παλινδρόμησης στο Excel.

Παρόμοιες αναγνώσεις

• Πώς να κάνετε απλή γραμμική παλινδρόμηση στο Excel (4 απλές μέθοδοι)
• Πώς να ερμηνεύσετε τα αποτελέσματα παλινδρόμησης στο Excel (λεπτομερής ανάλυση)

Σύντομη συζήτηση σχετικά με την ανάλυση πολλαπλής παλινδρόμησης στο Excel

Το ανάλυση παλινδρόμησης αφήνει διάφορες τιμές ορισμένων παραμέτρων. Ας δούμε τι σημαίνουν.

Στατιστική παλινδρόμησης

Στο Στατιστική παλινδρόμησης τμήμα, βλέπουμε τις τιμές ορισμένων παραμέτρων.

1. Πολλαπλό R: Αυτό αναφέρεται στην Συντελεστής συσχέτισης που καθορίζει πόσο ισχυρή είναι η γραμμική σχέση μεταξύ των μεταβλητών. Το εύρος τιμών για αυτό το συντελεστής είναι (-1, 1). Η ισχύς της σχέσης είναι ανάλογη με την απόλυτη τιμή του Πολλαπλό R .
2. Τετράγωνο R: Είναι ένα άλλο Συντελεστής για να καθορίσει πόσο καλά η γραμμή παλινδρόμησης θα ταιριάζει. Δείχνει επίσης πόσα σημεία εμπίπτουν στην ευθεία παλινδρόμησης. Σε αυτό το παράδειγμα, η τιμή του R 2 είναι 86 , το οποίο είναι καλό. Αυτό σημαίνει ότι 86% των δεδομένων θα ταιριάζει με το γραμμή πολλαπλής παλινδρόμησης .
3. Προσαρμοσμένο τετράγωνο R: Αυτό είναι το προσαρμοσμένο τετράγωνο R τιμή για το ανεξάρτητες μεταβλητές στο μοντέλο. Είναι κατάλληλο για ανάλυση πολλαπλής παλινδρόμησης έτσι και για τα δεδομένα μας. Εδώ, η τιμή της Προσαρμοσμένο τετράγωνο R είναι 79 .
4. Τυπικό σφάλμα: Αυτό καθορίζει το πόσο τέλειο είναι το παλινδρόμηση εξίσωση θα είναι. Καθώς κάνουμε μια τυχαία ανάλυση παλινδρόμησης , η τιμή του Τυπικό σφάλμα εδώ είναι αρκετά υψηλή.
5. Παρατηρήσεις: Ο αριθμός των παρατηρήσεων στο σύνολο δεδομένων είναι 10 .

Ανάλυση διακύμανσης ( ANOVA )

Στο ANOVA τμήμα ανάλυσης, βλέπουμε επίσης κάποιες άλλες παράμετροι .

1. df: Το ' βαθμοί ελευθερίας ' ορίζεται από df Η τιμή του df εδώ είναι 3 επειδή έχουμε 3 τύποι ανεξάρτητες μεταβλητές .
2. SS: SS αναφέρεται στο άθροισμα των τετραγώνων. Υπολειπόμενο άθροισμα του Τετράγωνο είναι πολύ μικρότερο από το Συνολικό ποσό του Τετράγωνο , τα δεδομένα σας θα χωρέσουν στο γραμμή παλινδρόμησης πιο εύκολα. Εδώ, το Υπόλοιπο SS είναι πολύ μικρότερη από Σύνολο SS , οπότε μπορούμε να υποθέσουμε ότι τα δεδομένα μας μπορεί να ταιριάζουν στην γραμμή παλινδρόμησης με καλύτερο τρόπο
3. MS: MS είναι το µέσο τετράγωνο. Η τιµή του Παλινδρόμηση και Υπόλοιπο Η σκλήρυνση κατά πλάκας είναι 78 και 5372210.11 αντίστοιχα.
4. F και Σημασία F: Οι τιμές αυτές καθορίζουν την αξιοπιστία του ανάλυση παλινδρόμησης . Αν η Σημασία F είναι μικρότερη από 05 , το πολλαπλές ανάλυση παλινδρόμησης είναι κατάλληλη για χρήση. Διαφορετικά, μπορεί να χρειαστεί να αλλάξετε την ανεξάρτητη μεταβλητή Στο σύνολο δεδομένων μας, η τιμή της Σημασία F είναι 0.01 το οποίο είναι καλό για ανάλυση.

Έξοδος ανάλυσης παλινδρόμησης

Εδώ, θα συζητήσω την έξοδο του Ανάλυση παλινδρόμησης .

1. Συντελεστές και άλλα

Σε αυτό το τμήμα, λαμβάνουμε την τιμή του συντελεστές για το ανεξάρτητες μεταβλητές- Μέγιστη ταχύτητα , Κορυφαία ισχύς και Εύρος Μπορούμε επίσης να βρούμε τις ακόλουθες πληροφορίες για κάθε συντελεστής : του Τυπικό σφάλμα , t Stat , P-value και άλλες παραμέτρους.

2. Υπολειπόμενη παραγωγή

Το Υπολειμματικές τιμές να μας βοηθήσει να καταλάβουμε πόσο πολύ η προβλεπόμενη τιμή αποκλίνει από την πραγματική του τιμή και η πρότυπο αξία του υπολείμματα που θα ήταν αποδεκτό.

Ο τρόπος με τον οποίο η πρόβλεψη από ανάλυση παλινδρόμησης έργα δίνεται παρακάτω.

Ας πούμε, θέλουμε να προβλέψουμε την τιμή του πρώτου αυτοκινήτου σύμφωνα με το ανεξάρτητες μεταβλητές . ανεξάρτητες μεταβλητές είναι οι Μέγιστη ταχύτητα , Κορυφαία ισχύς και Εύρος των οποίων οι τιμές είναι 110 μίλια την ώρα , 600 ίπποι και 130 μίλια , αντίστοιχα. Οι αντίστοιχες συντελεστές παλινδρόμησης είναι 245.43 , 38.19 και 94.38 . y τιμή παρεμβολής είναι -50885.73 Έτσι, η προβλεπόμενη τιμή θα είναι 245.43*110+38.19*600+94.38*130-50885.73≈11295 .

Σύμφωνα με το σύνολο δεδομένων αυτού του άρθρου, αν θέλετε να προβλέψετε την τιμή η οποία έχει μέγιστη ταχύτητα του x mph , μέγιστη ισχύς του y hp και εύρος του z μίλια , η προβλεπόμενη τιμή θα είναι 245.43*x+38.19*y+94.38*z .

Διαβάστε περισσότερα: Πώς να ερμηνεύσετε τα αποτελέσματα πολλαπλής παλινδρόμησης στο Excel

Χρήση γραφήματος για την κατανόηση της πολλαπλής γραμμικής παλινδρόμησης στο Excel

Αν θέλετε να απεικονίσετε το γραμμή παλινδρόμησης των δεδομένων σας, ας ακολουθήσουμε την παρακάτω διαδικασία.

Βήματα:

• Πρώτον, από το Δεδομένα tab>> Go to Ανάλυση δεδομένων
• A Ανάλυση δεδομένων θα εμφανιστεί παράθυρο διαλόγου και στη συνέχεια επιλέξτε Παλινδρόμηση .
• Τέλος, κάντε κλικ στο OK .

Ένα άλλο παράθυρο διαλόγου του Παλινδρόμηση θα εμφανιστεί.

• Επιλέξτε Υπόλοιπο και Γραμμικά διαγράμματα προσαρμογής .
• Κάντε κλικ στο OK .

Μετά από αυτό, θα δείτε το γράφημα της η γραμμή παλινδρόμησης ταιριάζει σύμφωνα με Μέγιστη ταχύτητα , Κορυφαία ισχύς και Εύρος σε ένα νέο φύλλο μαζί με ανάλυση.

Εδώ κάτω, αντιπροσωπεύει το προσαρμογή γραμμής σύμφωνα με Μέγιστη ταχύτητα .

Και η ακόλουθη εικόνα δείχνει το προσαρμογή γραμμής σύμφωνα με Κορυφαία ισχύς .

Η παρακάτω εικόνα αντιπροσωπεύει το προσαρμογή γραμμής σύμφωνα με Εύρος .

Παρακαλούμε κατεβάστε το βιβλίο εργασίας και δείτε το οικόπεδα για καλύτερη κατανόηση.

Διαβάστε περισσότερα: Πώς να κάνετε γραμμική παλινδρόμηση στο Excel (4 απλοί τρόποι)

Τμήμα πρακτικής

Εδώ, σας δίνω το σύνολο δεδομένων αυτού του άρθρου, ώστε να μπορείτε να αναλύσετε πολλαπλή γραμμική παλινδρόμηση μόνος σας.

Συμπέρασμα

Αρκεί να πούμε ότι αυτό το άρθρο θα σας βοηθήσει να καταλάβετε πώς να κάνετε ανάλυση πολλαπλής παλινδρόμησης στο Excel και είναι μια σύντομη περιγραφή των παραμέτρων. Αν έχετε ιδέες ή σχόλια σχετικά με αυτό το άρθρο, παρακαλούμε μοιραστείτε τα στο πλαίσιο σχολίων. Αυτό θα με βοηθήσει να εμπλουτίσω τα επόμενα άρθρα μου.