L'article vous montrera quelques méthodes de base sur la façon de faire analyse de régression multiple dans Excel Il s'agit d'un sujet très important dans le domaine des statistiques. Il nous aide à prédire une variable dépendante concernant une ou plusieurs variables dépendantes.

Dans l'ensemble de données, nous disposons d'informations sur certaines voitures : leur noms , prix , vitesses maximales sur miles par heure le puissance de crête leur moteur peut produire, et le maximum gamme de la distance qu'ils peuvent parcourir sans remplir leur réservoir.

Télécharger le cahier d'exercices

Qu'est-ce que la régression multiple ?

Régression multiple est un processus statistique par lequel nous pouvons analyser la relation entre un variable dépendante et plusieurs variables indépendantes L'objectif de régression est de prédire la nature de variables dépendantes par rapport à des variables indépendantes .

2 étapes pour effectuer une analyse de régression multiple dans Excel

Etape 1 : Activer l'onglet Analyse des données

Le site Onglet Données ne contient pas le Analyse des données Pour l'activer, suivez la procédure ci-dessous.

• Tout d'abord, allez sur Fichier >> ; Options

• Sélectionnez ensuite Compléments d'information >> ; Compléments d'Excel >> ; Allez sur

• Vérifiez ToolPak d'analyse dans le Compléments disponibles : et cliquez sur OK .

Après cela, le Ruban d'analyse des données apparaîtra dans le Onglet Données .

Étape 2 : Création de l'analyse de régression multiple dans Excel

Ici, je vais vous montrer comment analyser régression multiple .

• De la Données onglet>> ; sélectionner Analyse des données
• A boîte de dialogue affichera la sélection Régression et cliquez sur OK .

A Régression apparaît.

• Nous allons prédire la voiture prix en fonction de leur vitesse maximale , puissance de crête et gamme .
• Sélectionnez le gamme de variables dépendantes ( Plage d'entrée Y ). Dans mon cas, c'est C4:C14 .
• Après cela, sélectionnez le gamme de variables indépendantes ( Plage d'entrée X ). Dans mon cas, c'est D4:F14 .
• Vérifiez Étiquettes et sélectionnez Nouvelle feuille de travail Ply : dans le Options de sortie Si vous voulez que votre analyse de régression dans la feuille courante, placez une référence de cellule à l'endroit où vous voulez commencer l'opération. analyse dans le Gamme de sortie

Vous pouvez choisir Résidus si vous voulez faire plus analyse .

• Après cela, vous verrez le analyse de régression dans un nouvelle feuille Format le analyse selon votre convenance.

Ainsi, vous pouvez faire analyse de régression multiple dans Excel.

Lectures similaires

• Comment effectuer une régression linéaire simple dans Excel (4 méthodes simples)
• Comment interpréter les résultats d'une régression dans Excel (Analyse détaillée)

Une brève discussion sur l'analyse de régression multiple dans Excel

Le site analyse de régression laisse plusieurs valeurs de certains paramètres. Voyons ce qu'ils signifient.

Statistiques de régression

Dans le Statistiques de régression partie, nous voyons les valeurs de certains paramètres.

1. R multiple : Il s'agit de la Coefficient de corrélation qui détermine la force de la relation linéaire entre les variables. La plage de valeurs de ce paramètre est la suivante coefficient est (-1, 1). La force de la relation est proportionnelle à la valeur absolue de R multiple .
2. Carré R : C'est un autre Coefficient pour déterminer dans quelle mesure le ligne de régression Elle montre également combien de points se trouvent sur la ligne de régression. Dans cet exemple, la valeur de R 2 est 86 ce qui est bien. Cela implique que 86% des données correspondra à la ligne de régression multiple .
3. R carré ajusté : C'est le R au carré ajusté pour le variables indépendantes dans le modèle. Il convient pour analyse de régression multiple et ainsi pour nos données. Ici, la valeur de R carré ajusté est 79 .
4. Erreur standard : Cela détermine la perfection de votre régression L'équation sera. Comme nous faisons un tirage au sort analyse de régression la valeur de Erreur standard ici est assez élevé.
5. Observations : Le nombre d'observations dans l'ensemble de données est de 10 .

Analyse de la variance ( ANOVA )

Dans le ANOVA d'analyse, nous voyons également d'autres paramètres .

1. df : Le degrés de liberté est défini par df La valeur de df voici 3 parce que nous avons 3 types de variables indépendantes .
2. SS : SS se réfère à la somme des carrés. Si la Somme résiduelle de la Carré est beaucoup plus petite que la Somme totale de Carré vos données s'inscriront dans le ligne de régression plus facilement. Ici, le SS résiduel est beaucoup plus petite que Total SS On peut donc supposer que nos données peuvent s'inscrire dans la catégorie ligne de régression d'une meilleure manière
3. MS : MS est le carré moyen. La valeur de Régression et Résiduel La SEP est 78 et 5372210.11 respectivement.
4. F et Signification F : Ces valeurs déterminent la fiabilité de la analyse de régression Si le Signification F est inférieur à 05 le multiple L'analyse de régression peut être utilisée. Sinon, vous devrez peut-être modifier votre analyse de régression. variable indépendante Dans notre ensemble de données, la valeur de Signification F est 0.01 ce qui est bon pour l'analyse.

Sortie de l'analyse de régression

Ici, je vais discuter de la sortie de Analyse de régression .

1. Coefficients et autres

Dans cette section, nous obtenons la valeur de coefficients pour le Variables indépendantes - Vitesse maximale , Puissance de crête et Gamme Nous pouvons également trouver les informations suivantes pour chacun d'entre eux coefficient : son Erreur standard , t Stat , Valeur P et d'autres paramètres.

2. Sortie résiduelle

Le site Valeurs résiduelles nous aider à comprendre à quel point le prix prévu s'écarte de sa valeur réelle et le standard valeur de résidus qui serait acceptable.

La façon dont la prédiction de analyse de régression est indiqué ci-dessous.

Disons que nous voulons prédire prix de la première voiture en fonction de son variables indépendantes . le variables indépendantes sont les Vitesse maximale , Puissance de crête et Gamme dont les valeurs sont 110 miles par heure , 600 chevaux et 130 miles respectivement. coefficients de régression sont 245.43 , 38.19 et 94.38 . le Valeur de l'interception y est -50885.73 Le prix prédit sera donc 245.43*110+38.19*600+94.38*130-50885.73≈11295 .

D'après l'ensemble de données de cet article, si vous voulez prédire l'état d'une voiture prix qui a un vitesse maximale de x mph , puissance de crête de y hp et gamme de z miles le prix prédit sera 245.43*x+38.19*y+94.38*z .

Lire la suite : Comment interpréter les résultats de régression multiple dans Excel

Utiliser un graphique pour comprendre la régression linéaire multiple dans Excel

Si vous voulez visualiser le ligne de régression de vos données, suivons la procédure ci-dessous.

Des pas :

• Tout d'abord, de la Données onglet>> ; Aller à Analyse des données
• A Analyse des données apparaît, puis sélectionnez Régression .
• Enfin, cliquez sur OK .

Un autre boîte de dialogue de Régression apparaîtra.

• Sélectionnez Résiduel et Graphiques d'ajustement linéaire .
• Cliquez sur OK .

Après cela, vous verrez le graphique de la ligne de régression s'ajuste en fonction de Vitesse maximale , Puissance de crête et Gamme dans un nouvelle feuille ainsi qu'une analyse.

En dessous, il représente le ajustement de la ligne en fonction de Vitesse maximale .

Et l'image suivante montre le ajustement linéaire en fonction de Puissance de crête .

L'image ci-dessous représente le ajustement de la ligne en fonction de Gamme .

Veuillez télécharger le cahier d'exercices et voir le parcelles pour une meilleure compréhension.

Lire la suite : Comment faire une régression linéaire dans Excel (4 façons simples)

Section pratique

Ici, je vous donne l'ensemble des données de cet article afin que vous puissiez analyser régression linéaire multiple par vous-même.

Conclusion

Il suffit de dire que cet article vous aidera à comprendre comment faire analyse de régression multiple dans Excel et c'est une brève description des paramètres. Si vous avez des idées ou des commentaires concernant cet article, merci de les partager dans la boîte de commentaires. Cela m'aidera à enrichir mes prochains articles.