Mes naudojame regresinė analizė kai turime dviejų kintamųjų duomenis iš dviejų skirtingų šaltinių ir norime nustatyti ryšį tarp jų. Regresinė analizė pateikia mums tiesinį modelį, kuris leidžia prognozuoti galimus rezultatus. Dėl akivaizdžių priežasčių bus tam tikrų skirtumų tarp prognozuojamų ir faktinių verčių. Dėl to mes apskaičiuoti standartinę paklaidą naudojant regresijos modelį, t. y. vidutinę paklaidą tarp prognozuojamų ir faktinių verčių. Šioje pamokoje parodysime, kaip apskaičiuoti regresinės analizės standartinę paklaidą "Excel" .

Atsisiųsti praktikos sąsiuvinį

Atsisiųskite šį pratybų sąsiuvinį, kad galėtumėte atlikti pratimus skaitydami šį straipsnį.

4 paprasti žingsniai, kaip apskaičiuoti standartinę regresijos paklaidą programoje "Excel

Tarkime, kad turite duomenų rinkinį su nepriklausomas kintamasis ( X ) ir priklausomas kintamasis ( Y ) . Kaip matote, jie neturi jokio reikšmingo ryšio. Tačiau mes norime tokį ryšį sukurti. Todėl naudosime Regresinė analizė kad sukurtume tiesinį ryšį tarp dviejų kintamųjų. Naudodamiesi regresine analize apskaičiuosime standartinę paklaidą tarp dviejų kintamųjų. Antroje straipsnio dalyje aptarsime kai kuriuos regresijos modelio parametrus, kad būtų lengviau jį interpretuoti.

1 veiksmas: Taikykite duomenų analizės komandą regresijos modeliui sukurti

• Pirmiausia eikite į Duomenys skirtuką ir spustelėkite Duomenų analizė komanda.

• Iš Duomenų analizė sąrašo langelyje pasirinkite Regresija galimybė.
• Tada spustelėkite GERAI .

2 veiksmas: į regresijos langelį įterpkite įvesties ir išvesties diapazoną

• Dėl Įvesties Y diapazonas , pasirinkite diapazoną C4:C13 su antrašte.
• Spustelėkite Etiketės žymimasis langelis.

• Pasirinkite diapazoną B4:B13 už Įvesties X diapazonas .

• Norėdami gauti rezultatą pageidaujamoje vietoje, pasirinkite bet kurią ląstelę ( B16 ) dėl Išėjimo diapazonas .
• Galiausiai spustelėkite GERAI .

Skaityti daugiau: Kaip apskaičiuoti standartinę proporcijos paklaidą programoje "Excel" (paprastais žingsniais)

3 žingsnis: išsiaiškinkite standartinę paklaidą

• Atlikę regresinę analizę, galite gauti standartinės paklaidos vertę ( 3156471 ).

Skaityti daugiau: Kaip rasti likutinę standartinę paklaidą programoje "Excel" (2 paprasti metodai)

4 žingsnis: nubraižykite regresijos modelio diagramą

• Pirmiausia spustelėkite Įdėkite skirtukas.
• Iš Diagramos grupę, pasirinkite Sklaida diagramą.

• Dešiniuoju pelės klavišu spustelėkite virš vieno iš taškų.
• Iš parinkčių pasirinkite Pridėti tendencijos liniją galimybė.

• Todėl jūsų regresinė analizė diagrama bus nubraižyta taip, kaip parodyta toliau.

• Jei norite rodyti regresinė analizė lygtį, spustelėkite Rodyti lygtį diagramoje parinktį iš Formatas Trendline.

• Todėl lygtis ( y = 1,0844x + 107,21 ) regresinės analizės rezultatai bus rodomi diagramoje.

Pastabos:

Pagal regresinės analizės lygtį galite apskaičiuoti prognozuojamų ir faktinių verčių skirtumą.

Žingsniai:

• Įveskite regresinės analizės lygtį vaizduojančią formulę.

• Todėl gausite pirmąją prognozuojamą vertę ( 129.9824 ), kuri skiriasi nuo tikrosios vertės ( 133 ).

• Naudokite Automatinio užpildymo įrankis automatiškai užpildyti stulpelį D .

• Norėdami apskaičiuoti paklaidą, įveskite šią atimties formulę.

• Galiausiai automatiškai užpildykite stulpelį E rasti klaidų vertes.

Skaityti daugiau: Kaip apskaičiuoti standartinę regresijos nuolydžio paklaidą programoje "Excel

Regresinės analizės aiškinimas "Excel" programa

1. Standartinė paklaida

Iš regresinės analizės lygties matome, kad tarp prognozuojamų ir faktinių reikšmių visada yra skirtumas arba paklaida. Todėl turime apskaičiuoti vidutinį skirtumų nuokrypį.

A standartinė paklaida rodo vidutinę prognozuojamos ir faktinės vertės paklaidą. Nustatėme, kad 8.3156471 kaip standartinė paklaida mūsų pavyzdiniame regresijos modelyje. Tai rodo, kad yra skirtumas tarp prognozuojamos ir faktinės reikšmių, kuris gali būti didesnis nei standartinė paklaida ( 15.7464 ) arba mažiau nei standartinė paklaida ( 4.0048 ). Tačiau mūsų vidutinė klaida bus 8.3156471 , kuris yra standartinė paklaida .

Todėl modelio tikslas - sumažinti standartinę paklaidą. mažesnis standartinė paklaida, tuo labiau tikslus modelį.

2. Koeficientai

Regresijos koeficientas įvertina nežinomų dydžių atsakus. Regresijos lygtyje ( y = 1,0844x + 107,21 ), 1.0844 yra koeficientas , x yra prognozuojamasis nepriklausomas kintamasis, 107.21 yra konstanta, o y yra atsako vertė x .

• A teigiamas koeficientas numato, kad kuo didesnis koeficientas, tuo didesnis atsako kintamasis. Tai rodo, kad proporcingas santykiai.
• A neigiamas koeficientas numato, kad kuo didesnis koeficientas, tuo mažesnės atsako vertės. Tai rodo, kad neproporcingas santykiai.

3. P vertės

Regresinėje analizėje, p-vertės ir koeficientai bendradarbiauja, kad informuotų, ar jūsų modelyje esantys ryšiai yra statistiškai reikšmingi ir kokie tie ryšiai yra. nulinė hipotezė kad nepriklausomas kintamasis nesusijęs su priklausomu kintamuoju, tikrinama naudojant p-vertė Kiekvieno nepriklausomo kintamojo atveju nėra ryšio tarp nepriklausomo kintamojo pokyčių ir priklausomo kintamojo pokyčių, jei nėra koreliacijos.

• Jūsų pavyzdžio duomenys pakankamai patvirtina, kad suklastoti nulinę hipotezę visai populiacijai, jei p-vertė kintamasis yra mažiau nei jūsų reikšmingumo riba. Jūsų įrodymai patvirtina, kad nenulinė koreliacija . populiacijos lygmeniu nepriklausomo kintamojo pokyčiai yra susiję su priklausomo kintamojo pokyčiais.
• A p-vertė didesnis nei reikšmingumo lygmuo, iš abiejų pusių rodo, kad jūsų imtis turi nepakankami įrodymai nustatyti, kad nenulinė koreliacija egzistuoja.

Kadangi jų p-vertės ( 5.787E-06 , 1.3E-06 ) yra mažiau nei reikšminga vertė ( 5.787E-06 ). Nepriklausomas kintamasis (X) ir Perėmimas yra statistiškai reikšmingas , kaip matyti iš regresijos rezultatų pavyzdžio.

4. R kvadrato vertės

Tiesinės regresijos modeliams, R kvadratas yra išsamumo matavimas Šis santykis rodo, kad dispersijos procentinė dalis priklausomo kintamojo, kurį lemia nepriklausomi veiksniai kartu. 0-100 procentinė skalė, R kvadratas kiekybiškai įvertina stiprumas jūsų modelio ir priklausomo kintamojo ryšį.

Svetainė R2 reikšmė yra regresijos modelio atitikimo jūsų duomenims matas. didesnis . numeris . geriau įmanomas modelis.

Išvada

Tikiuosi, kad šis straipsnis jums padėjo sužinoti, kaip apskaičiuoti regresijos standartinę paklaidą. "Excel" . visas šias procedūras reikėtų išmokti ir pritaikyti savo duomenų rinkiniui. Peržiūrėkite praktinio darbo sąsiuvinį ir išbandykite šiuos įgūdžius. Jūsų vertingas palaikymas mus motyvuoja toliau rengti tokius vadovėlius kaip šis.

Jei turite klausimų, susisiekite su mumis. Taip pat nedvejodami palikite komentarų toliau esančiame skyriuje.

Mes, Exceldemy Komanda visada reaguoja į jūsų užklausas.

Būkite su mumis ir toliau mokykitės.