Ni uzas regresan analizon kiam ni havas datumojn de du variabloj el du malsamaj fontoj kaj volas konstrui rilaton inter ili. Regresa analizo provizas al ni linearan modelon, kiu ebligas al ni antaŭdiri eblajn rezultojn. Estos iuj diferencoj inter la antaŭviditaj kaj realaj valoroj pro evidentaj kialoj. Kiel rezulto, ni kalkulas la norman eraron uzante la regresan modelon, kiu estas la averaĝa eraro inter antaŭviditaj kaj realaj valoroj. En ĉi tiu lernilo, ni montros al vi kiel kalkuli la norman eraron de regresa analizo en Excel .

Elŝutu Praktikan Laborlibron

Elŝutu ĉi tiun praktikan laborlibron por ekzerci dum vi estas legante ĉi tiun artikolon.

4 Simplaj Paŝoj por Kalkuli Norman Eraron de Regreso en Excel

Supozi vi havas datumaro kun sendependa variablo ( X ) kaj dependa variablo ( Y ) . Kiel vi povas vidi, ili ne havas gravan rilaton. Sed ni volas konstrui unu. Kiel rezulto, ni uzos Regresan Analizon por krei linearan rilaton inter la du. Ni kalkulos la norman eraron inter la du variabloj uzante la regresan analizon. Ni trarigardos iujn el la parametroj de la regresa modelo en la dua duono de la artikolo por helpi vin interpreti ĝin.

Paŝo 1: Apliki Datuman Analizan Komandon alKrei Regresan Modelon

• Unue, iru al la langeto Datumoj kaj alklaku la Analizo de datumoj komando.

• El la listo Analizo de datumoj , elektu la Regresa opcio.
• Tiam alklaku OK .

Paŝo 2: Enigu Eniga kaj Eliga Gamo en Regresan Keston

• Por la Eniga Y Gamo , elektu la gamon C4:C13 kun la kaplinio.
• Alklaku la markobutonon Etikedoj .

• Elektu la gamon B4:B13 por la Eniga X-Gamo .

• Por ricevi la rezulton en la preferata loko, elektu ajnan ĉelon ( B16 ) por la Eliga Gamo .
• Fine, alklaku OK .

Legu Pli: Kiel Kalkuli Norman Eraron de Proporcio en Excel (kun Facilaj Paŝoj)

Paŝo 3: Eltrovu Norman Eraron

• De la regresa analizo, vi povas akiri la valoron de la norma eraro ( 3156471 ).

Legu Pli: Kiel por Trovi Restan Norman Eraron en Excel (2 Facilaj Metodoj)

Paŝo 4: Grafika Regresa Modela Diagramo

• Unue, alklaku la Enmeti langeto.
• El la grupo Diagramoj , elektu la Diskaŝu diagramon.

• Dekstre alklaku super unu el lapunktoj.
• El la opcioj, elektu la opcion Aldoni tendencon .

• Tial via regresa analizo diagramo estos bildigita kiel la bildo montrita sube.

• Por montri la regresa analizo ekvacio, alklaku la opcion Montri ekvacion sur Chart el la Formati Tendenco.

• Kiel rezulto, la ekvacio ( y = 1,0844x + 107,21 ) de la regresa analizo aperos en la diagramo.

Notoj:

Vi povas kalkuli la diferencon inter la antaŭviditaj valoroj kaj la reala valoroj el la ekvacio de regresa analizo.

Paŝoj:

• Tajpu la formulon por reprezenti la regresan analizon.

• Sekve, vi ricevos la unuan antaŭviditan valoron ( 129,9824 ), kiu diferencas de la reala valoro ( 133 ).

• Uzu la Autopleniga Ilo por aŭtomate plenigi kolumnon D .

• Por kalkuli la eraron, tajpu la jenan formulon por subtrahi.

• Fine, aŭtomate plenigu kolumnon E por trovi la erarajn valorojn.

Legu Pli: Kiel Kalkuli Norman Eraron de Regresa Deklivo en Excel

La Interpreto de Regresa Analizo en Excel

1. Norma Eraro

Ni povas vidi el la regresa analiza ekvacio, ke ĉiam estas diferenco aŭ eraro inter la antaŭviditaj kaj realaj valoroj. Kiel rezulto, ni devas kalkuli la averaĝan devion de la diferencoj.

A norma eraro reprezentas la averaĝan eraron inter la antaŭvidita valoro kaj la reala valoro. Ni malkovris 8.3156471 kiel la norma eraro en nia ekzempla regresa modelo. Ĝi indikas, ke ekzistas diferenco inter la antaŭviditaj kaj realaj valoroj, kiuj povus esti pli grandaj ol la norma eraro ( 15.7464 ) aŭ malpli ol la norma eraro ( 4.0048 ). Tamen nia averaĝa eraro estos 8.3156471 , kiu estas la norma eraro .

Kiel rezulto, la celo de la modelo estas redukti la norman eraron. Ju malalta la norma eraro, des pli preciza la modelo.

2. Koeficientoj

La regreskoeficiento taksas la respondoj de nekonataj valoroj. En la regresa ekvacio ( y = 1,0844x + 107,21 ), 1,0844 estas la koeficiento , x estas la prognoza sendependa variablo, 107.21 estas la konstanta, kaj y estas la respondvaloro por la x .

• A pozitiva koeficiento antaŭdiras ke ju pli alta la koeficiento, des pli alta la respondovariablo. Ĝi indikas proporcian rilaton.
• A negativa koeficiento antaŭdiras, ke ju pli alta la koeficiento, des pli malaltaj la respondaj valoroj. Ĝi indikas malproporcian rilaton.

3. P-valoroj

En regresa analizo, p- valoroj kaj koeficientoj kunlaboras por informi vin ĉu korelacioj en via modelo estas statistike trafaj kaj kiaj estas tiuj rilatoj. La nula hipotezo ke la sendependa variablo havas neniun ligon kun la dependa variablo estas provita uzante la p-valoron por ĉiu sendependa variablo. Ne estas ligo inter ŝanĝoj en la sendependa variablo kaj varioj en la dependa variablo se ne ekzistas korelacio.

• Viaj specimenaj datumoj donas sufiĉe da subteno por falsi la nulan hipotezon por la plena loĝantaro se la p-valoro por variablo estas malpli ol via signifosojlo. Via pruvo subtenas la nocion de ne-nula korelacio . Ĉe la populacionivelo, ŝanĝoj en la sendependa variablo estas ligitaj al ŝanĝoj en la dependa variablo.
• A p-valoro pli granda ol la signifonivelo, ambaŭflanke. , sugestas, ke via specimeno havas nesufiĉan pruvon por konstati, ke ne-nula korelacio ekzistas.

Ĉar iliaj p-valoroj ( 5.787E-06 , 1.3E-06 > ) estas malpli ol la signifa valoro ( 5.787E-06 ), la Sendependa Variablo (X) kaj Interkapto estas statistike signifaj , kiel vidite en la regresa eligo ekzemplo.

4. R-Kvadrataj Valoroj

Por linearaj regresaj modeloj, R-kvadrata estas plenecmezuro . Ĉi tiu rilatumo montras la procenton de varianco en la dependa variablo kiun la sendependaj faktoroj respondecas kiam prenitaj kune. Sur oportuna 0–100 procenta skalo, R-kvadrata kvantigas la forton de la rilato inter via modelo kaj la dependa variablo.

La R2 valoro estas mezuro de kiom bone la regresa modelo konvenas viajn datumojn. Ju pli alta la nombro , des pli bona realigebla la modelo.

Konkludo

Mi esperas, ke ĉi tiu artikolo donis al vi lernilo pri kiel kalkuli la norman eraron de regreso en Excel . Ĉiuj ĉi tiuj proceduroj devas esti lernitaj kaj aplikitaj al via datumaro. Rigardu la praktikan laborlibron kaj provu ĉi tiujn kapablojn. Ni estas instigitaj daŭre fari lernilojn tiajn pro via valora subteno.

Bonvolu kontakti nin se vi havas demandojn. Ankaŭ bonvolu lasi komentojn en la suba sekcio.

Ni, la Exceldemy Teamo, ĉiam respondas al viaj demandoj.

Restu ĉe ni kaj daŭre lernas.