Koristimo regresijsku analizu kada imamo podatke iz dvije varijable iz dva različita izvora i želimo izgraditi odnos između njih. Regresijska analiza pruža nam linearni model koji nam omogućuje predviđanje mogućih ishoda. Postojat će neke razlike između predviđenih i stvarnih vrijednosti iz očitih razloga. Kao rezultat toga, izračunavamo standardnu ​​pogrešku koristeći regresijski model, što je prosječna pogreška između predviđenih i stvarnih vrijednosti. U ovom vodiču pokazat ćemo vam kako izračunati standardnu ​​pogrešku regresijske analize u Excelu .

Preuzmite radnu bilježnicu za vježbe

Preuzmite ovu radnu bilježnicu za vježbe kako biste vježbali dok ste čitajući ovaj članak.

4 jednostavna koraka za izračun standardne pogreške regresije u Excelu

Pretpostavimo da imate skup podataka s neovisnom varijablom ( X ) i ovisnom varijablom ( Y ) . Kao što vidite, oni nemaju značajan odnos. Ali mi želimo izgraditi jedan. Kao rezultat toga, koristit ćemo Regresijsku analizu za stvaranje linearnog odnosa između to dvoje. Standardnu ​​pogrešku između dvije varijable izračunat ćemo pomoću regresijske analize. Proći ćemo kroz neke od parametara regresijskog modela u drugoj polovici članka kako bismo vam pomogli da ga protumačite.

Korak 1: Primijenite naredbu za analizu podataka naNapravite regresijski model

• Prvo idite na karticu Podaci i kliknite na Analiza podataka naredba.

• Iz okvira s popisom Analiza podataka odaberite Regresija opcija.
• Zatim kliknite U redu .

Korak 2: Umetnite ulazni i izlazni raspon u regresijski okvir

• Za ulazni Y raspon odaberite raspon C4:C13 sa zaglavljem.
• Kliknite na potvrdni okvir Oznake .

• Odaberite raspon B4:B13 za Ulazni X raspon .

• Da biste dobili rezultat na željenoj lokaciji, odaberite bilo koju ćeliju ( B16 ) za Raspon izlaza .
• Na kraju kliknite U redu .

Pročitajte više: Kako izračunati standardnu ​​pogrešku proporcije u Excelu (uz jednostavne korake)

Korak 3: Saznajte standardnu ​​pogrešku

• iz regresijskom analizom možete dobiti vrijednost standardna pogreška ( 3156471 ).

Pročitajte više: Kako za pronalaženje rezidualne standardne pogreške u programu Excel (2 jednostavne metode)

Korak 4: Iscrtajte dijagram regresijskog modela

• Prvo kliknite na Umetni kartica.
• Iz grupe Grafikoni odaberite Tablica .

• Kliknite desnom tipkom miša preko jednog odbodova.
• Iz opcija odaberite opciju Dodaj liniju trenda .

• Stoga, vaš<1 Grafikon> regresijske analize bit će iscrtan kao slika prikazana u nastavku.

• Za prikaz regresijska analiza jednadžbe, kliknite opciju Prikaži jednadžbu na grafikonu iz Format Trendline.

• Kao rezultat, jednadžba ( y = 1,0844x + 107,21 ) regresijske analize pojavit će se na grafikonu.

Napomene:

Možete izračunati razliku između predviđenih vrijednosti i stvarnih vrijednosti iz jednadžbe regresijske analize.

Koraci:

• Upišite formulu koja predstavlja jednadžbu regresijske analize.

• Dakle, dobit ćete prvu predviđenu vrijednost ( 129,9824 ), koja se razlikuje od stvarne vrijednosti ( 133 ).

• Koristite Alat za automatsko popunjavanje za automatsko popunjavanje stupca D .

• Za izračun pogreške upišite sljedeću formulu za oduzmi.

• Konačno, stupac za automatsko popunjavanje E da biste pronašli vrijednosti pogreške.

Pročitajte više: Kako izračunati standardnu ​​pogrešku regresijskog nagiba u Excel

Tumačenje regresijske analize u Excelu

1. Standardna pogreška

Iz jednadžbe regresijske analize možemo vidjeti da uvijek postoji razlika ili pogreška između predviđenih i stvarnih vrijednosti. Kao rezultat, moramo izračunati prosječno odstupanje razlika.

Standardna pogreška predstavlja prosječnu pogrešku između predviđene vrijednosti i stvarne vrijednosti. Otkrili smo 8,3156471 kao standardnu ​​pogrešku u našem primjeru regresijskog modela. Označava da postoji razlika između predviđenih i stvarnih vrijednosti, koja može biti veća od standardne pogreške ( 15,7464 ) ili manja od standardna pogreška ( 4.0048 ). Međutim, naša prosječna pogreška bit će 8,3156471 , što je standardna pogreška .

Kao rezultat toga, cilj modela je smanjiti standardnu ​​pogrešku. Što je niža standardna pogreška, to je točniji model.

2. Koeficijenti

Koeficijent regresije procjenjuje odgovori nepoznatih vrijednosti. U regresijskoj jednadžbi ( y = 1,0844x + 107,21 ), 1,0844 je koeficijent , x je nezavisna varijabla predviđanja, 107.21 je konstanta, a y je vrijednost odgovora za x .

• pozitivan koeficijent predviđa da što je veći koeficijent, to je veći odgovorvarijabla. Označava proporcionalni odnos.
• negativan koeficijent predviđa da što je veći koeficijent, to su niže vrijednosti odgovora. Označava neproporcionalan odnos.

3. P-vrijednosti

U regresijskoj analizi, p- vrijednosti i koeficijenti surađuju kako bi vas informirali jesu li korelacije u vašem modelu statistički relevantne i kakvi su ti odnosi. Nulta hipoteza da nezavisna varijabla nema vezu s zavisnom varijablom testira se pomoću p-vrijednosti za svaku nezavisnu varijablu. Ne postoji veza između promjena u neovisnoj varijabli i varijacija u ovisnoj varijabli ako ne postoji korelacija.

• Vaši uzorci podataka daju dovoljno potpore za falsificiranje nulte hipoteze za punu populaciju ako je p-vrijednost za varijablu manja od vašeg praga značajnosti. Vaši dokazi podupiru ideju korelacije koja nije nula . Na razini populacije, promjene u neovisnoj varijabli povezane su s promjenama u ovisnoj varijabli.
• p-vrijednost veća od razine značajnosti, s obje strane , sugerira da vaš uzorak ima nedovoljan dokaz za utvrđivanje postojanja korelacije koja nije nula .

Zato što njihove p-vrijednosti ( 5.787E-06 , 1.3E-06 ) su manje od značajne vrijednosti ( 5.787E-06 ), Neovisne varijable (X) i Intercept su statistički značajni , kao što se vidi u primjeru izlaza regresije.

4. R-kvadrat vrijednosti

Za modele linearne regresije, R-kvadrat je mjera potpunosti . Ovaj omjer pokazuje postotak varijance u ovisnoj varijabli koju nezavisni faktori uzimaju u obzir kada se uzmu zajedno. Na zgodnoj 0–100 postotnoj skali, R-kvadrat kvantificira jačinu veze između vašeg modela i zavisne varijable.

Vrijednost R2 je mjera koliko dobro regresijski model odgovara vašim podacima. Što je veći broj , to je bolji izvediv model.

Zaključak

Nadam se da vam je ovaj članak dao vodič o tome kako izračunati standardnu ​​pogrešku regresije u Excelu . Sve te postupke treba naučiti i primijeniti na svoj skup podataka. Pogledajte radnu bilježnicu za vježbanje i testirajte ove vještine. Motivirani smo da nastavimo s izradom ovakvih vodiča zbog vaše dragocjene podrške.

Kontaktirajte nas ako imate pitanja. Također, slobodno ostavite komentare u odjeljku ispod.

Mi, Exceldemy tim, uvijek odgovaramo na vaše upite.

Ostanite s nama i nastavite učiti.