L'articolo vi mostrerà alcuni metodi di base su come fare analisi di regressione multipla in Excel Si tratta di un argomento molto importante nel campo della statistica, che ci aiuta a prevedere una variabile dipendente rispetto a una o più variabili dipendenti.

Nel set di dati, abbiamo alcune informazioni su alcune automobili: il loro nomi , prezzi , velocità massime in miglia orarie , il potenza di picco il motore è in grado di produrre, e il massimo gamma di distanza che possono percorrere senza riempire il serbatoio.

Scarica il quaderno di esercizi

Che cos'è la regressione multipla?

Regressione multipla è un processo statistico con il quale si può analizzare la relazione tra una variabile dipendente e diversi variabili indipendenti Lo scopo di regressione è quello di prevedere la natura di variabili dipendenti rispetto al corrispondente variabili indipendenti .

2 passaggi per eseguire l'analisi di regressione multipla in Excel

Passo 1: Attivare la scheda Analisi dei dati

Il Scheda Dati non contiene l'elemento Analisi dei dati Per attivarlo, seguire la procedura descritta di seguito.

• Per prima cosa, andare su File > Opzioni

• Quindi selezionare Componenti aggiuntivi > Componenti aggiuntivi di Excel > Vai

• Controllo ToolPak di analisi nel Sono disponibili add-on: e fare clic su OK .

Dopo di che, il Nastro Analisi dati apparirà nella sezione Scheda Dati .

Fase 2: Creazione dell'analisi di regressione multipla in Excel

Qui di seguito vi mostrerò come analizzare regressione multipla .

• Dal Dati selezionare Analisi dei dati
• A finestra di dialogo mostrerà la selezione Regressione e fare clic su OK .

A Regressione apparirà una finestra di dialogo.

• Prevediamo l'auto prezzo in base alla loro velocità massima , potenza di picco e gamma .
• Selezionare la voce gamma di variabili dipendenti ( Ingresso Gamma Y ). Nel mio caso, è C4:C14 .
• Successivamente, selezionare la voce gamma di variabili indipendenti ( Ingresso X Gamma ). Nel mio caso, è D4:F14 .
• Controllo Etichette e selezionare Nuovo foglio di lavoro Ply: nel Opzioni di uscita Se volete che il vostro analisi di regressione nel foglio corrente, inserire un riferimento di cella nel punto in cui si vuole iniziare la analisi nel Gamma di uscita

Si può scegliere Residui se si vuole approfondire analisi .

• Successivamente, verrà visualizzata la schermata analisi di regressione in un nuovo foglio . Formato il analisi in base alla vostra convenienza.

Così si può fare analisi di regressione multipla in Excel.

Letture simili

• Come eseguire una semplice regressione lineare in Excel (4 semplici metodi)
• Come interpretare i risultati della regressione in Excel (Analisi dettagliata)

Breve discussione sull'analisi di regressione multipla in Excel

Il analisi di regressione lascia diversi valori di alcuni parametri. Vediamo il loro significato.

Statistiche di regressione

Nel Statistiche di regressione vediamo i valori di alcuni parametri.

1. Multiplo R: Si riferisce alla Coefficiente di correlazione che determina quanto sia forte la relazione lineare tra le variabili. L'intervallo di valori per questo parametro coefficiente è (-1, 1). La forza della relazione è proporzionale al valore assoluto di Multiplo R .
2. Quadrato R: È un altro Coefficiente per determinare quanto bene il linea di regressione Mostra anche quanti punti cadono sulla retta di regressione. In questo esempio, il valore di R 2 è 86 che è buono. Ciò implica che 86% dei dati si adatta alla linea di regressione multipla .
3. Quadrato R aggiustato: Questo è il R quadrato aggiustato per il valore variabili indipendenti nel modello. È adatto per analisi di regressione multipla e così per i nostri dati. Qui, il valore di Quadrato R aggiustato è 79 .
4. Errore standard: Questo determina la perfezione del vostro regressione Poiché stiamo eseguendo un'equazione casuale, la analisi di regressione , il valore di Errore standard qui è piuttosto alto.
5. Osservazioni: Il numero di osservazioni nel set di dati è 10 .

Analisi della varianza ( ANOVA )

Nel ANOVA sezione di analisi, vediamo anche alcuni altri parametri .

1. df: L' gradi di libertà ' è definito da df Il valore di df ecco 3 perché abbiamo 3 tipi di variabili indipendenti .
2. SS: SS si riferisce alla somma dei quadrati. Se il valore di Somma residua del Quadrato è molto più piccolo del Somma totale di Quadrato i dati si inseriscono nel campo linea di regressione più convenientemente. Qui, il SS residua è molto più piccolo di Totale SS quindi si può ipotizzare che i nostri dati possano rientrare nella categoria linea di regressione in modo migliore
3. SM: SM è la media quadratica. Il valore di Regressione e Residuo La SM è 78 e 5372210.11 rispettivamente.
4. F e Significato F: Questi valori determinano l'affidabilità del analisi di regressione . se il Significatività F è inferiore a 05 , il multiplo L'analisi di regressione è adatta all'uso. In caso contrario, potrebbe essere necessario modificare l'analisi di regressione. variabile indipendente Nel nostro set di dati, il valore di Significatività F è 0.01 che è utile per l'analisi.

Output dell'analisi di regressione

In questa sede, si parlerà dell'output di Analisi di regressione .

1. Coefficienti e altri

In questa sezione, otteniamo il valore di coefficienti per il variabili indipendenti - Velocità massima , Potenza di picco e Gamma Per ciascuno di essi si possono trovare anche le seguenti informazioni coefficiente : il suo Errore standard , t Stat , Valore P e altri parametri.

2. Uscita residua

Il Valori residui ci aiutano a capire quanto il prezzo previsto si discosta dal suo valore effettivo e il standard valore di residui che sarebbe accettabile.

Il modo in cui la previsione di analisi di regressione è riportata di seguito.

Supponiamo di voler prevedere il prezzo della prima vettura in base alla sua variabili indipendenti . il variabili indipendenti sono i Velocità massima , Potenza di picco e Gamma i cui valori sono 110 miglia all'ora , 600 cavalli di potenza e 130 miglia I corrispondenti coefficienti di regressione sono 245.43 , 38.19 e 94.38 . il valore dell'intercetta y è -50885.73 Quindi il prezzo previsto sarà 245.43*110+38.19*600+94.38*130-50885.73≈11295 .

In base al set di dati di questo articolo, se si vuole prevedere l'andamento di un'auto prezzo che ha un velocità massima di x mph , potenza di picco di y CV e gamma di z miglia , il prezzo previsto sarà 245.43*x+38.19*y+94.38*z .

Per saperne di più: Come interpretare i risultati della regressione multipla in Excel

Utilizzo del grafico per comprendere la regressione lineare multipla in Excel

Se si desidera visualizzare il linea di regressione dei vostri dati, seguite la procedura descritta di seguito.

Passi:

• In primo luogo, dal Dati Vai a Analisi dei dati
• A Analisi dei dati Viene visualizzata una finestra di dialogo, quindi selezionare Regressione .
• Infine, fare clic su OK .

Un altro finestra di dialogo di Regressione apparirà.

• Selezionare Residuo e Grafici di adattamento alla linea .
• Cliccare OK .

Successivamente, verrà visualizzato il grafico di la retta di regressione si adatta a secondo Velocità massima , Potenza di picco e Gamma in un nuovo foglio insieme all'analisi.

Qui sotto, rappresenta il adattamento alla linea secondo Velocità massima .

L'immagine seguente mostra il adattamento alla linea secondo Potenza di picco .

L'immagine seguente rappresenta il adattamento alla linea secondo Gamma .

Scaricate la cartella di lavoro e consultate il trame per una migliore comprensione.

Per saperne di più: Come eseguire una regressione lineare in Excel (4 semplici modi)

Sezione pratica

Qui, vi fornisco il set di dati di questo articolo in modo che possiate analizzare regressione lineare multipla da soli.

Conclusione

Questo articolo vi aiuterà a capire come fare analisi di regressione multipla in Excel ed è una breve descrizione dei parametri. Se avete idee o commenti su questo articolo, vi prego di condividerli nella casella dei commenti, in modo da aiutarmi ad arricchire i miei prossimi articoli.