Հոդվածը ցույց կտա ձեզ մի քանի հիմնական մեթոդներ, թե ինչպես կատարել բազմաթիվ ռեգրեսիա վերլուծություն Excel-ում : Սա շատ կարևոր թեմա է վիճակագրության ոլորտում։ Այն օգնում է մեզ կանխատեսել կախված փոփոխականը մեկ կամ մի քանի կախյալ փոփոխականների վերաբերյալ:

Տվյալների հավաքածուում մենք ունենք որոշ տեղեկություններ որոշ մեքենաների մասին՝ նրանց անունները , գները , առավելագույն արագությունները մղոն/ժամում , գագաթնակետային հզորությունը որը կարող է արտադրել նրանց շարժիչը, և առավելագույն հեռավորությունը, որը նրանք կարող են անցնել առանց լիցքավորման: նրանց տանկը:

Ներբեռնեք պրակտիկայի աշխատանքային գրքույկը

Ինչ է բազմակի Հետընթաց?

Բազմակի ռեգրեսիան վիճակագրական գործընթաց է, որի միջոցով մենք կարող ենք վերլուծել կախյալ փոփոխականի և մի քանի անկախ փոփոխականների հարաբերությունները։ ռեգրեսիայի նպատակն է կանխատեսել կախյալ փոփոխականների բնույթը համապատասխան անկախ փոփոխականների :

2 քայլ` բազմակի ռեգրեսիայի վերլուծություն կատարելու համար: Excel-ում

Քայլ- 1. Միացնել տվյալների վերլուծության ներդիրը

Տվյալների ներդիրը չի պարունակում Տվյալների վերլուծություն ժապավենը լռելյայնորեն: Սա ակտիվացնելու համար անցեք ստորև ներկայացված ընթացակարգին:

• Սկզբում անցեք Ֆայլ >> Ընտրանքներ

• Այնուհետև ընտրեք Ավելացումներ >> Excel հավելումներ >> Գնալ

• Ստուգեք Analysis ToolPak Ավելացնել Ավելացնել -ներ մատչելի են․ հայտնվում է Տվյալների ներդիրում :

Քայլ 2. Ստեղծեք բազմակի ռեգրեսիայի վերլուծություն Excel-ում

Այստեղ ես ձեզ ցույց կտամ, թե ինչպես վերլուծել բազմակի ռեգրեսիան :

• Տվյալներ ներդիրից >> ընտրեք Տվյալների վերլուծություն
• Ա երկխոսության վանդակը կցուցադրվի ընտրված Հետադարձ և սեղմեք Լավ :

A Regression երկխոսության տուփ կհայտնվի:

• Մենք կկանխատեսենք մեքենայի գինը ըստ նրանց առավելագույն արագությունը , գագաթնակետային հզորությունը և միջակայքը ։
• Ընտրեք կախված փոփոխականների միջակայքը ( Մուտքային Y միջակայք ): Իմ դեպքում դա C4:C14 է:
• Դրանից հետո ընտրեք անկախ փոփոխականների ընդգրկույթը ( Մուտք X տիրույթ ). Իմ դեպքում դա D4:F14 է:
• Ստուգեք Պիտակները և ընտրեք Նոր աշխատաթերթի Ply: Ելքի ընտրանքներում<2:>. Եթե ​​ցանկանում եք ձեր հետընթացի վերլուծությունը ընթացիկ թերթում, տեղադրեք բջջային հղում, որտեղ ցանկանում եք սկսել վերլուծությունը Ելքի տիրույթում

Դուք կարող եք ընտրել Մնացորդները եթե ցանկանում եք կատարել հետագա վերլուծություն :

• Դրանից հետո դուք տես ռեգեսիոն վերլուծությունը նոր թերթում : Ձևաչափեք վերլուծություն ըստ ձեր հարմարության:

Այսպիսով, դուք կարող եք կատարել բազմաթիվ ռեգրեսիայի վերլուծություն Excel-ում:

Նման ընթերցումներ

• Ինչպես կատարել պարզ գծային ռեգրեսիա Excel-ում (4 պարզ մեթոդ)
• Ինչպես մեկնաբանել Ռեգրեսիայի արդյունքները Excel-ում (մանրամասն վերլուծություն)

Համառոտ քննարկում Excel-ում բազմակի ռեգրեսիոն վերլուծության մասին

ռեգեսիոն վերլուծությունը թողնում է որոշակի պարամետրերի մի քանի արժեքներ . Տեսնենք, թե դրանք ինչ են նշանակում:

Regression Statistics

Regression Statistics բաժնում մենք տեսնում ենք որոշ պարամետրերի արժեքներ:

1. Բազմակի R: Սա վերաբերում է Հարաբերակցության գործակիցին , որը որոշում է, թե որքան ուժեղ է փոփոխականների միջև գծային կապը: Այս գործակից արժեքների միջակայքը (-1, 1): Հարաբերության ուժը համաչափ է Բազմակի R բացարձակ արժեքին:
2. R քառակուսի: Դա ևս մեկ գործակից է որոշելու, թե որքանով է լավ հետընթաց գիծը կտեղավորվի: Այն նաև ցույց է տալիս, թե քանի միավոր է ընկնում ռեգրեսիոն գծի վրա: Այս օրինակում R 2 արժեքը 86 է, ինչը լավ է: Դա ենթադրում է, որ տվյալների 86% -ը կհամապատասխանի բազմակի ռեգրեսիայի գծին :
3. Ճշգրտված R քառակուսի. Սա ճշգրտված է R քառակուսի արժեքը անկախ փոփոխականների համար մոդելում: Այն հարմար է բազմաթիվ ռեգրեսիոն վերլուծություն և այդպես մեր տվյալների համար: Այստեղ Ճշգրտված R քառակուսի արժեքը 79 է:
4. Ստանդարտ սխալ. Սա որոշում է, թե որքան կատարյալ է ձեր հետընթացը հավասարումը կլինի. Քանի որ մենք կատարում ենք պատահական ռեգեսիոն վերլուծություն , Ստանդարտ սխալի արժեքը բավականին բարձր է:
5. Դիտարկումներ. Դիտարկումների քանակը տվյալների բազան 10 է:

Տարբերության վերլուծություն ( ANOVA )

ANOVA-ում վերլուծության բաժինը, մենք նաև տեսնում ենք որոշ այլ պարամետրեր :

1. df: « ազատության աստիճաններ ' սահմանվում է df -ով: df արժեքը 3 քանի որ մենք ունենք 3 տեսակ անկախ փոփոխականներ ։
2. SS SS վերաբերում է քառակուսիների գումարին: Եթե ​​ Քառակուսի -ի մնացորդային գումարը շատ փոքր է Քառակուսի -ի Ընդհանուր գումարից , ձեր տվյալները կտեղավորվեն -ում։ ռեգրեսիայի գիծ ավելի հարմար: Այստեղ Մնացորդային SS-ը շատ ավելի փոքր է, քան Ընդհանուր SS -ը, այնպես որ մենք կարող ենք ենթադրել, որ մեր տվյալները կարող են ավելի լավ տեղավորվել հետընթացի տողում
3. MS. MS միջին քառակուսին է: Regression և Residual MS արժեքը 78 և 5372210.11 համապատասխանաբար:
4. F և Կարևորություն F. Այս արժեքները որոշում են ռեգեսիոն վերլուծության հուսալիությունը : Եթե ​​ Նշանակությունը F 05 -ից փոքր է, ապա բազմակի ռեգրեսիոն վերլուծությունը հարմար է օգտագործման համար: Հակառակ դեպքում, գուցե անհրաժեշտ լինի փոխել ձեր անկախ փոփոխականը : Մեր տվյալների բազայում Նշանակություն F -ի արժեքը 0.01 է, ինչը լավ է վերլուծության համար:

Ռեգրեսիոն վերլուծության արդյունքը

Այստեղ ես կքննարկեմ Ռեգրեսիոն վերլուծության արդյունքը:

1. Գործակիցները և այլք

Այս բաժնում , մենք ստանում ենք գործակիցների արժեքը անկախ փոփոխականների համար- Max. Արագություն , Պիկ հզորություն և Շրջանակ : Մենք կարող ենք նաև գտնել հետևյալ տեղեկությունները յուրաքանչյուր գործակից -ի համար՝ նրա Ստանդարտ սխալ , t վիճակագրություն , P-արժեք և այլ պարամետրեր։

2. Մնացորդային արդյունքը

Մնացորդային արժեքները օգնում են մեզ հասկանալ, թե կանխատեսված գինը որքանով է շեղվում իր իրական արժեքից և ստանդարտից մնացորդների արժեքը, որը ընդունելի կլինի:

Ինչպես է գործում ռեգեսիոն վերլուծության կանխատեսումը, տրված է ստորև:

Ասենք, մենք ուզում ենք կանխատեսել առաջին մեքենայի գինը ըստ նրա անկախ փոփոխականների : անկախ փոփոխականները Առավելագույնն են: Արագություն , Պիկ հզորություն և Շարժույթ որոնց արժեքներն են 110 մղոն/ժամ , 600 ձիաուժ և 130 մղոն , համապատասխանաբար: Համապատասխան ռեգեսիոն գործակիցներն են 245,43 , 38,19 և 94,38 : y ընդհատման արժեքը է -50885.73 : Այսպիսով, կանխատեսված գինը կլինի 245.43*110+38.19*600+94.38*130-50885.73≈11295 :

Ըստ այս հոդվածի տվյալների հավաքածուի, եթե ցանկանում եք կանխատեսել մեքենայի գին որն ունի առավելագույն արագություն x մղոն/ժ , գագաթնակետային հզորություն y ձիաուժ և միջակայք z մղոնից , կանխատեսվող գինը կլինի 245,43*x+38,19*y+94,38*z :

Կարդալ ավելին` Ինչպես մեկնաբանել բազմակի ռեգրեսիայի արդյունքները Excel-ում

Օգտագործելով գրաֆիկ՝ Excel-ում բազմակի գծային ռեգրեսիան հասկանալու համար

Եթե ցանկանում եք պատկերացնել հետընթացի գիծը ձեր տվյալները, եկեք անցնենք ստորև ներկայացված ընթացակարգին:

Քայլեր.

• Նախ, Տվյալներ ներդիրից >> Գնացեք Տվյալների վերլուծություն
• Ա Տվյալների վերլուծություն երկխոսության տուփ կհայտնվի, այնուհետև ընտրեք Հետընթաց ։
• Վերջապես սեղմեք Լավ :

Կհայտնվի հետընթաց -ի մեկ այլ երկխոսության տուփ Regression :

• Ընտրեք Մնացորդային և Գծի հարմարեցված գծապատկերներ ։
• Սեղմեք Լավ ։

Դրանից հետո կտեսնեք գրաֆիկը, որ ռեգրեսիոն գիծը համապատասխանում է ըստ Max. Արագություն , Պիկ հզորություն և Տարածք նոր թերթիկում վերլուծության հետ միասին:

Այստեղ ներքևում այն ​​ներկայացնում է գծի համապատասխանությունը ըստ Max. Արագություն ։

Եվ հետևյալ պատկերը ցույց է տալիս գծի համապատասխանությունը ըստ Peak Power ։

Ստորևնկարը ներկայացնում է գծի համապատասխանությունը ըստ Տարածքի :

Խնդրում ենք ներբեռնել աշխատանքային գիրքը և տեսնել սյուժեները ավելի լավ հասկանալու համար:

Կարդալ ավելին. Ինչպես կատարել գծային ռեգրեսիա Excel-ում (4 պարզ եղանակ)

Պրակտիկա բաժին

Ահա, ես ձեզ տալիս եմ այս հոդվածի տվյալների բազան, որպեսզի կարողանաք ինքնուրույն վերլուծել բազմակի գծային ռեգրեսիան :

Եզրակացություն

Բավական է ասել, որ այս հոդվածը կօգնի ձեզ հասկանալ, թե ինչպես կատարել բազմաթիվ ռեգրեսիայի վերլուծություն Excel-ում, և դա պարամետրերի համառոտ նկարագրությունն է: Եթե ​​ունեք որևէ գաղափար կամ կարծիք այս հոդվածի վերաբերյալ, խնդրում ենք կիսվել դրանք մեկնաբանությունների վանդակում: Սա կօգնի ինձ հարստացնել իմ առաջիկա հոդվածները: