Como facer unha análise de regresión múltiple en Excel (con pasos sinxelos)

  • Comparte Isto
Hugh West

O artigo mostrarache algúns métodos básicos sobre como facer análise de regresión múltiple en Excel . Este é un tema moi importante no campo da estatística. Axúdanos a predicir unha variable dependente relativa a unha ou varias variables dependentes.

No conxunto de datos, temos algunha información sobre algúns coches: os seus nomes , prezos , velocidades máximas en millas por hora , a potencia máxima que pode producir o seu motor e o rango máximo de distancia que poden percorrer sen recargar o seu tanque.

Descargar Practice Workbook

Análise de regresión múltiple.xlsx

Que é múltiple ¿Regresión?

A regresión múltiple é un proceso estatístico mediante o cal podemos analizar a relación entre unha variable dependente e varias variables independentes . O propósito da regresión é predicir a natureza das variables dependentes con respecto ás variables independentes correspondentes.

2 pasos para facer unha análise de regresión múltiple en Excel

Paso 1: habilite a pestana Análise de datos

A Pestana Datos non contén a Análise de datos cinta por defecto. Para activalo, siga o seguinte procedemento.

  • Primeiro, vaia a Ficheiro >> Opcións

  • A continuación, seleccione Complementos >> Complementos de Excel >> Ir

  • Consulte Paquete de ferramentas de análise no Engadir -ins dispoñibles: sección e prema Aceptar .

Despois diso, a cinta de análise de datos aparecen na Pestana Datos .

Paso 2: Creación da análise de regresión múltiple en Excel

Aquí mostrarei como analizar a regresión múltiple .

  • Desde a pestana Datos >> seleccione Análise de datos
  • A cadro de diálogo mostrará a selección Regresión e prema en Aceptar .

Aparecerá unha caixa de diálogo Regresión .

  • Prediciremos o prezo do coche segundo a súa velocidade máxima , potencia máxima e intervalo .
  • Seleccione o rango de variables dependentes ( Intervalo Y de entrada ). No meu caso, é C4:C14 .
  • Despois diso, seleccione o rango de variables independentes ( Intervalo X de entrada ). No meu caso, é D4:F14 .
  • Marque Etiquetas e seleccione Nova capa de folla de traballo: en Opcións de saída . Se queres a túa análise de regresión na folla actual, pon unha referencia de cela onde queres comezar a análise no Intervalo de saída

Podes escoller Residuos se queres facer máis análise .

  • Despois diso, consulte a análise de regresión nunha nova folla . Dar formato a análise segundo a túa conveniencia.

Así podes facer análise de regresión múltiple en Excel.

Lecturas similares

  • Como facer regresión lineal simple en Excel (4 métodos simples)
  • Como interpretar Resultados de regresión en Excel (análise detallada)

Unha breve discusión sobre a análise de regresión múltiple en Excel

A análise de regresión deixa varios valores de determinados parámetros . Vexamos o que significan.

Estatísticas de regresión

Na parte Estatísticas de regresión , vemos valores dalgúns parámetros.

  1. R múltiple: Refírese ao Coeficiente de correlación que determina o forte que é a relación lineal entre as variables. O intervalo de valores deste coeficiente é (-1, 1). A forza da relación é proporcional ao valor absoluto de Múltiple R .
  2. R Cadrado: É outro Coeficiente para determinar o ben a recta de regresión encaixará. Tamén mostra cantos puntos caen na recta de regresión. Neste exemplo, o valor de R 2 é 86 , o que é bo. Implica que o 86 % dos datos axustarase á liña de regresión múltiple .
  3. Cadro R axustado: Este é o axustado R cadrado valor para as variables independentes do modelo. É axeitado para análise de regresión múltiple e así para os nosos datos. Aquí, o valor de Cadro R axustado é 79 .
  4. Erro estándar: Isto determina o grao de perfección da súa regresión ecuación será. Como estamos a facer unha análise de regresión aleatoria, o valor de Erro estándar aquí é bastante alto.
  5. Observacións: O número de observacións en o conxunto de datos é 10 .

Análise da varianza ( ANOVA )

No ANOVA sección de análise, tamén vemos outros parámetros .

  1. df: O ' graos de liberdade ' defínese por df . O valor de df aquí é 3 porque temos 3 tipos de variables independentes .
  2. SS : SS refírese á suma de cadrados. Se a suma residual do cadrado é moito menor que a suma total do cadrado , os seus datos encaixarán no recta de regresión máis convenientemente. Aquí, o SS residual é moito menor que o SS total , polo que podemos supoñer que os nosos datos poden encaixar na liña de regresión dun xeito mellor
  3. MS: MS é o cadrado medio. O valor de Regresión e Residual MS é 78 e 5372210,11 respectivamente.
  4. F e Significación F: Estes valores determinan a fiabilidade da análise de regresión . Se o Significación F é menor que 05 , oA análise de regresión múltiple é adecuada. En caso contrario, pode ter que cambiar a súa variable independente . No noso conxunto de datos, o valor de Significación F é 0,01 , o que é bo para a análise.

Saída da análise de regresión

Aquí, comentarei a saída de Análise de regresión .

  1. Coeficientes e outros

Nesta sección , obtemos o valor de coeficientes para as variables independentes- Max. Velocidade , Potencia máxima e Alcance . Tamén podemos atopar a seguinte información para cada coeficiente : o seu Erro estándar , t Stat , Valor P e outros parámetros.

2. Produción residual

Os Valores residuais axúdannos a comprender canto se desvía o prezo previsto do seu valor real e do estándar valor de residuos que sería aceptable.

A continuación indícase a forma en que funciona a predición mediante análise de regresión .

Digamos, queremos predecir o prezo do primeiro coche segundo as súas variables independentes . As variables independentes son o Máx. Velocidade , Potencia máxima e Alcance cuxos valores son 110 millas por hora , 600 cabalos de potencia e 130 millas , respectivamente. Os coeficientes de regresión correspondentes son 245,43 , 38,19 e 94,38 . O valor de intercepción y é -50885,73 . Polo tanto, o prezo previsto será 245,43*110+38,19*600+94,38*130-50885,73≈11295 .

Segundo o conxunto de datos deste artigo, se queres predecir o prezo que ten unha velocidade máxima de x mph , potencia máxima de y hp e rango de z millas , o prezo previsto será 245,43*x+38,19*y+94,38*z .

Ler máis: Como interpretar os resultados de regresión múltiple en Excel

Usando un gráfico para comprender a regresión lineal múltiple en Excel

Se quere visualizar a liña de regresión de os teus datos, imos seguir o seguinte procedemento.

Pasos:

  • Primeiro, desde a pestana Datos >> Vaia a Análise de datos
  • Aparecerá unha caixa de diálogo Análise de datos , e seleccione Regresión .
  • Finalmente, faga clic en OK .

Aparecerá outro cadro de diálogo de Regresión .

  • Seleccione Residual e Gráficos de axuste lineal .
  • Fai clic en Aceptar .

Despois diso, verá a gráfica de a recta de regresión encaixa segundo Máx. Velocidade , Potencia máxima e Intervalo nunha nova folla xunto coa análise.

Abaixo aquí, representa o axuste da liña segundo Máx. Velocidade .

E a seguinte imaxe mostra o axuste da liña segundo a Potencia máxima .

O seguintea imaxe representa o axuste da liña segundo o Intervalo .

Descargue o libro de traballo e vexa os trazos para unha mellor comprensión.

Ler máis: Como facer regresión lineal en Excel (4 xeitos sinxelos)

Sección de práctica

Aquí ofréceche o conxunto de datos deste artigo para que poidas analizar a regresión lineal múltiple por ti mesmo.

Conclusión

Abonda con dicir que este artigo axudarache a comprender como facer análise de regresión múltiple en Excel e é unha breve descrición dos parámetros. Se tes algunha idea ou comentario sobre este artigo, compárteos na caixa de comentarios. Isto axudarame a enriquecer os meus próximos artigos.

Hugh West é un adestrador e analista de Excel altamente experimentado con máis de 10 anos de experiencia na industria. É Licenciado en Contabilidade e Finanzas e Máster en Administración de Empresas. Hugh ten unha paixón polo ensino e desenvolveu un enfoque docente único que é fácil de seguir e comprender. O seu coñecemento experto de Excel axudou a miles de estudantes e profesionais de todo o mundo a mellorar as súas habilidades e a destacar nas súas carreiras. A través do seu blog, Hugh comparte os seus coñecementos co mundo, ofrecendo titoriais de Excel gratuítos e formación en liña para axudar ás persoas e ás empresas a alcanzar todo o seu potencial.