Kami menggunakan analisis regresi ketika kita memiliki data dari dua variabel dari dua sumber yang berbeda dan ingin membangun hubungan di antara mereka. Analisis regresi akan ada beberapa perbedaan antara nilai yang diprediksi dan aktual karena alasan yang jelas. Sebagai hasilnya, kita menghitung kesalahan standar menggunakan model regresi, yang merupakan kesalahan rata-rata antara nilai prediksi dan aktual. Dalam tutorial ini, kami akan menunjukkan kepada Anda cara menghitung kesalahan standar analisis regresi di Excel .

Unduh Buku Kerja Praktik

Unduh buku kerja latihan ini untuk latihan saat Anda membaca artikel ini.

4 Langkah Sederhana untuk Menghitung Kesalahan Standar Regresi di Excel

Asumsikan Anda memiliki set data dengan variabel independen ( X ) dan variabel dependen ( Y ) Seperti yang Anda lihat, mereka tidak memiliki hubungan yang signifikan. Tetapi kita ingin membangunnya. Sebagai hasilnya, kita akan menggunakan Analisis Regresi Kita akan menghitung kesalahan standar antara dua variabel menggunakan analisis regresi. Kami akan membahas beberapa parameter model regresi di paruh kedua artikel untuk membantu Anda menafsirkannya.

Langkah 1: Terapkan Perintah Analisis Data untuk Membuat Model Regresi

• Pertama, buka Data dan klik pada tab Analisis Data perintah.

• Dari Analisis Data kotak daftar, pilih Regresi pilihan.
• Kemudian, klik OK .

Langkah 2: Masukkan Rentang Input dan Output dalam Kotak Regresi

• Untuk Masukan Rentang Y , pilih rentang C4:C13 dengan tajuk.
• Klik pada Label kotak centang.

• Pilih kisaran B4:B13 untuk Input X Range .

• Untuk mendapatkan hasil di lokasi yang diinginkan, pilih sel mana saja ( B16 ) untuk Rentang Output .
• Terakhir, klik OK .

Baca selengkapnya: Cara Menghitung Kesalahan Standar Proporsi di Excel (dengan Langkah Mudah)

Langkah 3: Cari Tahu Kesalahan Standar

• Dari analisis regresi, Anda bisa mendapatkan nilai kesalahan standar ( 3156471 ).

Baca selengkapnya: Cara Menemukan Kesalahan Standar Residual di Excel (2 Metode Mudah)

Langkah 4: Plot Bagan Model Regresi

• Pertama, klik pada Sisipkan tab.
• Dari Grafik kelompok, pilih Menyebar bagan.

• Klik kanan di atas salah satu titik.
• Dari opsi, pilih Tambahkan garis tren pilihan.

• Oleh karena itu, Anda analisis regresi grafik akan diplot seperti gambar yang ditunjukkan di bawah ini.

• Untuk menampilkan analisis regresi persamaan, klik pada Menampilkan persamaan pada Bagan opsi dari Format Trendline.

• Sebagai hasilnya, persamaan ( y = 1.0844x + 107.21 ) dari analisis regresi akan muncul dalam grafik.

Catatan:

Anda dapat menghitung perbedaan antara nilai prediksi dan nilai aktual dari persamaan analisis regresi.

Langkah-langkah:

• Ketik rumus untuk mewakili persamaan analisis regresi.

• Oleh karena itu, Anda akan mendapatkan nilai prediksi pertama ( 129.9824 ), yang berbeda dari nilai aktual ( 133 ).

• Gunakan Alat IsiOtomatis untuk mengisi kolom secara otomatis D .

• Untuk menghitung kesalahan, ketikkan rumus berikut untuk mengurangi.

• Terakhir, kolom pengisian otomatis E untuk menemukan nilai kesalahan.

Baca selengkapnya: Cara Menghitung Kesalahan Standar Kemiringan Regresi di Excel

Interpretasi Analisis Regresi di Excel

1. Kesalahan Standar

Kita dapat melihat dari persamaan analisis regresi bahwa selalu ada perbedaan atau kesalahan antara nilai prediksi dan aktual. Akibatnya, kita harus menghitung deviasi rata-rata dari perbedaan tersebut.

A kesalahan standar mewakili kesalahan rata-rata antara nilai prediksi dan nilai aktual. Kami menemukan 8.3156471 sebagai kesalahan standar Ini menunjukkan bahwa ada perbedaan antara nilai prediksi dan aktual, yang bisa jadi lebih besar dari nilai prediksi. kesalahan standar ( 15.7464 ) atau kurang dari kesalahan standar ( 4.0048 Namun, kami kesalahan rata-rata akan 8.3156471 yang merupakan kesalahan standar .

Akibatnya, tujuan model ini adalah untuk mengurangi kesalahan standar. lebih rendah kesalahan standar, semakin banyak akurat model.

2. Koefisien

Koefisien regresi mengevaluasi respon dari nilai-nilai yang tidak diketahui. Dalam persamaan regresi ( y = 1.0844x + 107.21 ), 1.0844 adalah koefisien , x adalah variabel independen prediktor, 107.21 adalah konstanta, dan y adalah nilai respons untuk x .

• A koefisien positif memprediksi bahwa semakin tinggi koefisien, semakin tinggi variabel respon. proporsional hubungan.
• A koefisien negatif memprediksi bahwa semakin tinggi koefisien, semakin rendah nilai respon. tidak proporsional hubungan.

3. Nilai-P

Dalam analisis regresi, nilai-p dan koefisien bekerja sama untuk memberi tahu Anda apakah korelasi dalam model Anda relevan secara statistik dan seperti apa hubungan tersebut. hipotesis nol bahwa variabel independen tidak memiliki hubungan dengan variabel dependen diuji dengan menggunakan uji p-value Tidak ada hubungan antara perubahan variabel independen dan variasi variabel dependen jika tidak ada korelasi.

• Data sampel Anda memberikan dukungan yang cukup untuk memalsukan hipotesis nol untuk populasi penuh jika p-value untuk sebuah variabel adalah kurang dari ambang batas signifikansi Anda. Bukti Anda mendukung gagasan tentang korelasi bukan nol Pada tingkat populasi, perubahan dalam variabel independen terkait dengan perubahan dalam variabel dependen.
• A p-value lebih besar dari tingkat signifikansi, di kedua sisi, menunjukkan bahwa sampel Anda telah bukti yang tidak memadai untuk menetapkan bahwa korelasi bukan nol ada.

Karena mereka nilai-p ( 5.787E-06 , 1.3E-06 ) adalah kurang daripada nilai yang signifikan ( 5.787E-06 ), yang Variabel Independen (X) dan Intercept adalah signifikan secara statistik seperti yang terlihat dalam contoh output regresi.

4. Nilai R-Kuadrat

Untuk model regresi linier, R-kuadrat adalah pengukuran kelengkapan Rasio ini menunjukkan persentase varians dalam variabel dependen yang diperhitungkan oleh faktor-faktor independen ketika disatukan. 0-100 skala persen, R-kuadrat mengkuantifikasi kekuatan hubungan antara model Anda dan variabel dependen.

The R2 adalah ukuran seberapa baik model regresi cocok dengan data Anda. lebih tinggi yang nomor , yang lebih baik model yang layak.

Kesimpulan

Saya harap artikel ini telah memberi Anda tutorial tentang cara menghitung kesalahan standar regresi di Excel Semua prosedur ini harus dipelajari dan diterapkan pada dataset Anda. Lihatlah buku kerja latihan dan uji keterampilan ini. Kami termotivasi untuk terus membuat tutorial seperti ini karena dukungan Anda yang berharga.

Silakan hubungi kami jika Anda memiliki pertanyaan. Juga, jangan ragu untuk meninggalkan komentar di bagian di bawah ini.

Kami, para Exceldemy Tim, selalu responsif terhadap pertanyaan Anda.

Tetaplah bersama kami dan teruslah belajar.