Jak wykonać analizę regresji wielokrotnej w Excelu (z prostymi krokami)

  • Udostępnij To
Hugh West

Artykuł pokaże Ci kilka podstawowych metod, jak zrobić analiza regresji wielokrotnej w programie Excel . jest to bardzo ważny temat w dziedzinie statystyki. pomaga nam przewidywać zmienną zależną dotyczącą jednej lub wielu zmiennych zależnych.

W zbiorze danych mamy informacje o niektórych samochodach: ich nazwy , ceny , prędkości maksymalne w mile na godzinę , moc szczytowa ich silnik może produkować, i maksymalny zakres dystansu, jaki mogą pokonać bez uzupełniania zbiornika.

Pobierz Zeszyt ćwiczeń

Analiza regresji wielokrotnej.xlsx

Co to jest regresja wieloraka?

Regresja wielokrotna to proces statystyczny, dzięki któremu możemy przeanalizować zależność pomiędzy zmienna zależna i kilka zmienne niezależne Cel regresja jest przewidywanie natury zmienne zależne w odniesieniu do odpowiednich zmienne niezależne .

2 kroki do wykonania analizy regresji wielokrotnej w Excelu

Krok 1: Włącz zakładkę Analiza danych

Na stronie Zakładka Dane nie zawiera Analiza danych domyślnie wstążka. Aby ją aktywować, przejdź przez poniższą procedurę.

  • Po pierwsze, przejdź do Plik >> Opcje

  • Następnie wybierz Dodatki >> Dodatki do programu Excel >> Wejdź na stronę

  • Sprawdź Pakiet narzędzi analitycznych w Dostępne dodatki: i kliknij OK .

Następnie. Wstążka analizy danych pojawi się w Zakładka Dane .

Krok 2: Tworzenie analizy regresji wielokrotnej w programie Excel

Tutaj pokażę Ci jak analizować regresja wielokrotna .

  • Z. Dane tab>> wybierz Analiza danych
  • A okno dialogowe pojawi się wybór Regresja i kliknąć OK .

A Regresja Pojawi się okno dialogowe.

  • Przewidujemy samochód cena odpowiednio do ich prędkość maksymalna , moc szczytowa oraz zakres .
  • Wybierz zakres z zmienne zależne ( Wejście Y Zakres ).W moim przypadku jest to. C4:C14 .
  • Następnie należy wybrać zakres z zmienne niezależne ( Wejście X Zakres ).W moim przypadku jest to. D4:F14 .
  • Sprawdź Etykiety i wybrać Nowy arkusz roboczy Ply: w Opcje wyjściowe . If you want your analiza regresji w bieżącym arkuszu, umieść odwołanie do komórki, w której chcesz rozpocząć pracę. analiza w Zakres wyjściowy

Możesz wybrać Resztki jeśli chcesz robić dalej analiza .

  • Po tym, zobaczysz analiza regresji w nowy arkusz . Format analiza w zależności od wygody.

Można więc zrobić analiza regresji wielokrotnej w Excelu.

Podobne lektury

  • Jak zrobić prostą regresję liniową w Excelu (4 proste metody)
  • Jak interpretować wyniki regresji w Excelu (analiza szczegółowa)

Krótka dyskusja na temat analizy regresji wielokrotnej w programie Excel

Na stronie analiza regresji pozostawia kilka wartości pewnych parametrów, zobaczmy co one oznaczają.

Statystyka regresji

W Statystyka regresji porcja, widzimy wartości niektórych parametrów.

  1. Wielokrotnie R: Odnosi się to do. Współczynnik korelacji który określa jak silna jest liniowa zależność między zmiennymi. Zakres wartości dla tego współczynnik jest (-1, 1). Siła związku jest proporcjonalna do wartości bezwzględnej Wielokrotne R .
  2. Kwadrat R: Jest to kolejny Współczynnik aby określić, jak dobrze linia regresji Pokazuje również, ile punktów mieści się na linii regresji. W tym przykładzie wartość R 2 jest 86 co jest dobre. Wynika z tego, że 86% danych będzie pasować do linia regresji wielokrotnej .
  3. Adjusted R Square: To jest skorygowany kwadrat R wartość dla zmienne niezależne w modelu. Jest on odpowiedni dla analiza regresji wielokrotnej a więc dla naszych danych. Tutaj wartość Skorygowany kwadrat R jest 79 .
  4. Błąd standardowy: To decyduje o tym, jak doskonały jest twój regresja równanie będzie. Ponieważ robimy losowy analiza regresji , wartość Błąd standardowy tutaj jest dość wysoka.
  5. Obserwacje: Liczba obserwacji w zbiorze danych wynosi 10 .

Analiza wariancji ( ANOVA )

W ANOVA w sekcji analizy, widzimy również kilka innych parametry .

  1. df: The stopnie swobody ' jest określony przez df Wartość df oto 3 ponieważ mamy 3 rodzaje zmienne niezależne .
  2. SS: SS odnosi się do sumy kwadratów. Jeśli Suma rezydualna z Kwadrat jest znacznie mniejszy niż Suma całkowita z Kwadrat to twoje dane zmieszczą się w linia regresji wygodniej. Tutaj Reszta SS jest znacznie mniejszy niż Razem SS możemy więc przypuszczać, że nasze dane mogą mieścić się w linia regresji w lepszy sposób
  3. MS: MS jest średnią kwadratową. Wartość Regresja oraz Pozostałości SM to 78 oraz 5372210.11 odpowiednio.
  4. F oraz Znaczenie F: Wartości te określają wiarygodność analiza regresji . Jeśli Znaczenie F jest mniejszy niż 05 , wiele analiza regresji jest odpowiednia do użycia. W przeciwnym razie może być konieczna zmiana zmienna niezależna W naszym zbiorze danych, wartość Znaczenie F jest 0.01 co jest dobre do analizy.

Wyjście analizy regresji

Tutaj omówię wyjście z Analiza regresji .

  1. Współczynniki i inne

W tej części otrzymujemy wartość współczynniki dla zmienne niezależne - Maks. prędkość , Moc szczytowa oraz Zakres Dla każdego z nich możemy również znaleźć następujące informacje współczynnik : jego Błąd standardowy , t Statut , P-value i inne parametry.

2. Wyjście szczątkowe

Na stronie Wartości rezydualne pomoże nam zrozumieć, jak bardzo przewidywana cena odchyla się od wartości rzeczywistej i standard wartość resztki które byłyby do przyjęcia.

Sposób przewidywania przez analiza regresji prace podano poniżej.

Powiedzmy, że chcemy przewidzieć cena pierwszego samochodu zgodnie z jego zmienne niezależne . zmienne niezależne Maks. prędkość , Moc szczytowa oraz Zakres których wartości to 110 mil na godzinę , 600 KM oraz 130 mil odpowiednio. współczynniki regresji 245.43 , 38.19 oraz 94.38 . wartość przechwycenia y jest -50885.73 . Więc przewidywana cena będzie 245.43*110+38.19*600+94.38*130-50885.73≈11295 .

Według zbioru danych z tego artykułu, jeśli chcesz przewidzieć samochód cena który ma prędkość maksymalna z x mph , moc szczytowa z y KM oraz zakres z z mil , przewidywana cena będzie wynosić 245.43*x+38.19*y+94.38*z .

Read More: Jak interpretować wyniki regresji wielokrotnej w Excelu

Wykorzystanie wykresu do zrozumienia wielokrotnej regresji liniowej w programie Excel

Jeśli chcesz zwizualizować linia regresji swoich danych, przejdźmy przez poniższą procedurę.

Kroki:

  • Po pierwsze, z Dane tab>> Przejdź do Analiza danych
  • A Analiza danych Pojawi się okno dialogowe, w którym należy wybrać Regresja .
  • Na koniec kliknij OK .

Kolejny okno dialogowe z Regresja pojawi się.

  • Wybierz Pozostałości oraz Wykresy dopasowania linii .
  • Kliknij OK .

Po tym, zobaczysz wykres linia regresji pasuje do według Maks. prędkość , Moc szczytowa oraz Zakres w nowy arkusz wraz z analizą.

Poniżej, reprezentuje on dopasowanie liniowe według Maks. prędkość .

A poniższy obrazek pokazuje. dopasowanie liniowe według Moc szczytowa .

Poniższy rysunek przedstawia. dopasowanie liniowe według Zakres .

Proszę pobrać zeszyt ćwiczeń i zob. działki dla lepszego zrozumienia.

Read More: Jak zrobić regresję liniową w Excelu (4 proste sposoby)

Część ćwiczeniowa

Tutaj daję ci zestaw danych z tego artykułu, abyś mógł przeanalizować wielokrotna regresja liniowa na własną rękę.

Wniosek

Wystarczy powiedzieć, że ten artykuł pomoże ci zrozumieć, jak zrobić analiza regresji wielokrotnej w Excelu i jest to krótki opis parametrów. Jeśli masz jakieś pomysły lub opinie dotyczące tego artykułu, proszę podziel się nimi w polu komentarza. Pomoże mi to wzbogacić moje nadchodzące artykuły.

Hugh West jest bardzo doświadczonym trenerem i analitykiem Excela z ponad 10-letnim doświadczeniem w branży. Posiada tytuł licencjata w dziedzinie rachunkowości i finansów oraz tytuł magistra administracji biznesowej. Hugh ma pasję do nauczania i opracował unikalne podejście do nauczania, które jest łatwe do naśladowania i zrozumienia. Jego specjalistyczna wiedza na temat programu Excel pomogła tysiącom studentów i profesjonalistów na całym świecie doskonalić swoje umiejętności i osiągać doskonałe wyniki w karierze. Za pośrednictwem swojego bloga Hugh dzieli się swoją wiedzą ze światem, oferując bezpłatne samouczki programu Excel i szkolenia online, aby pomóc osobom indywidualnym i firmom w pełni wykorzystać swój potencjał.