Hur man gör multipel regressionsanalys i Excel (med enkla steg)

  • Dela Detta
Hugh West

Artikeln visar dig några grundläggande metoder för hur du kan göra multipel regressionsanalys i Excel Detta är ett mycket viktigt ämne inom statistiken som hjälper oss att förutsäga en beroende variabel med avseende på en eller flera beroende variabler.

I datasetet har vi information om vissa bilar: deras namn , priser , maximala hastigheter miles per timme , den toppeffekt som deras motor kan producera, och den maximala sortiment hur långt de kan resa utan att fylla på tanken.

Ladda ner övningsboken

Analys av multipel regression.xlsx

Vad är multipel regression?

Multipel regression är en statistisk process genom vilken vi kan analysera förhållandet mellan en Beroende variabel. och flera oberoende variabler . Syftet med regression är att förutsäga vilken typ av Beroende variabler. med avseende på motsvarande oberoende variabler .

2 steg för att göra multipel regressionsanalys i Excel

Steg 1: Aktivera fliken Dataanalys

Fliken Data inte innehåller Analys av data För att aktivera detta går du igenom proceduren nedan.

  • Gå först till Fil >> Alternativ

  • Välj sedan Tilläggsfunktioner >> Excel-tillägg >> Gå till

  • Kontrollera Verktygspaket för analys i den Tilläggsfunktioner finns tillgängliga: och klickar på OK .

Efter det kan den Ribbon för dataanalys kommer att visas i Fliken Data .

Steg 2: Skapa en analys av multipel regression i Excel

Här visar jag dig hur du kan analysera multipel regression .

  • Från Uppgifter flik>> välj Analys av data
  • A dialogruta kommer att visa den valda Regression och klicka på OK .

A Regression kommer att visas.

  • Vi kommer att förutsäga bilen pris i enlighet med deras maximal hastighet , toppeffekt och sortiment .
  • Välj den sortiment Beroende variabler. ( Ingång Y-område ). I mitt fall är det C4:C14 .
  • Därefter väljer du sortiment oberoende variabler ( Ingång X Område ). I mitt fall är det D4:F14 .
  • Kontrollera Etiketter och välj Nytt arbetsblad Ply: i den Alternativ för utmatning . Om du vill att din regressionsanalys. i det aktuella arket, ange en cellreferens där du vill börja med analys i den Utgångsområde

Du kan välja Restprodukter om du vill göra ytterligare analys .

  • Därefter visas regressionsanalys. i en nytt blad . Formatet analys enligt dina önskemål.

På så sätt kan du göra följande analys av multipel regression i Excel.

Liknande läsningar

  • Hur man gör enkel linjär regression i Excel (4 enkla metoder)
  • Hur man tolkar regressionsresultat i Excel (detaljerad analys)

En kort diskussion om multipel regressionsanalys i Excel

regressionsanalys. lämnar flera värden för vissa parametrar. Låt oss se vad de betyder.

Regressionsstatistik

I Regressionsstatistik del ser vi värden för vissa parametrar.

  1. Flera R: Detta avser den Korrelationskoefficient som bestämmer hur starkt det linjära sambandet mellan variablerna är. Värdeintervallet för denna koefficient är (-1, 1). Styrkan i sambandet är proportionell mot det absoluta värdet av Flera R .
  2. R-kvadrat: Det är en annan Koefficient för att avgöra hur väl regressionslinje Det visar också hur många punkter som ligger på regressionslinjen. I det här exemplet är värdet på R 2 är 86 , vilket är bra. Det innebär att 86% av uppgifterna kommer att passa in i multipel regressionslinje .
  3. Justerad R-kvadrat: Detta är den Justerat R i kvadrat. värde för den oberoende variabler i modellen. Den är lämplig för analys av multipel regression och så även för våra data. Här är värdet av Justerad R-kvadrat är 79 .
  4. Standardfel: Detta avgör hur perfekt din regression ekvationen kommer att vara. Eftersom vi gör en slumpmässig regressionsanalys. , värdet av Standardfel här är ganska hög.
  5. Observationer: Antalet observationer i datasetet är 10 .

Analys av varians ( ANOVA )

I ANOVA analysavsnittet, ser vi också några andra parametrar .

  1. df: Den ' frihetsgrader definieras genom df . Värdet av df här är 3 eftersom vi har 3 typer av oberoende variabler .
  2. SS: SS avser summan av kvadrater. Om Resterande summa av den Kvadrat är mycket mindre än den Total summa Kvadrat , kommer dina data att passa in i regressionslinje mer bekvämt. Här kan Återstående SS är mycket mindre än Totalt SS , så vi kan anta att våra data kan passa in i regressionslinje på ett bättre sätt
  3. MS: MS är medelkvadraten. Värdet av Regression och Återstående MS är 78 och 5372210.11 respektive.
  4. F och Betydelse F: Dessa värden bestämmer tillförlitligheten hos regressionsanalys. . Om den Signifikans F är mindre än 05 , den flera regressionsanalysen är lämplig att använda. Annars kan du behöva ändra din oberoende variabel I vårt dataset är värdet av Signifikans F är 0.01 vilket är bra för analys.

Resultat av regressionsanalysen

Här kommer jag att diskutera resultatet av Regressionsanalys .

  1. Koefficienter och andra

I det här avsnittet får vi fram värdet av koefficienter för Oberoende variabler - Max. hastighet , Toppeffekt och Utbud Vi kan också hitta följande information för varje koefficient : dess Standardfel , t Stat , P-värde och andra parametrar.

2. Resterande produktion

Restvärden hjälpa oss att förstå hur mycket beräknat pris avviker från sitt faktiska värde och standard värdet av Restprodukter som skulle vara godtagbara.

Det sätt på vilket förutsägelsen av regressionsanalys. nedan.

Säg att vi vill förutsäga pris av den första bilen i enlighet med dess oberoende variabler . oberoende variabler är de Max. hastighet , Toppeffekt och Utbud vars värden är 110 miles i timmen , 600 hästkrafter och 130 miles Motsvarande regressionskoefficienter. är 245.43 , 38.19 och 94.38 . Värde för y-interceptet. är -50885.73 Det förutspådda priset blir alltså 245.43*110+38.19*600+94.38*130-50885.73≈11295 .

Om du vill förutsäga en bils hastighet, kan du enligt datamaterialet i den här artikeln pris som har en maximal hastighet x mph , toppeffekt y hp och sortiment z miles , blir det förutspådda priset 245.43*x+38.19*y+94.38*z .

Läs mer: Hur man tolkar resultat av multipel regression i Excel

Användning av diagram för att förstå multipel linjär regression i Excel

Om du vill visualisera regressionslinje av dina data, låt oss gå igenom proceduren nedan.

Steg:

  • För det första, från den Uppgifter flik>> Gå till Analys av data
  • A Analys av data dialogrutan visas och välj sedan Regression .
  • Slutligen klickar du på OK .

En annan dialogruta Regression kommer att visas.

  • Välj Återstående och Linjeanpassade plottar .
  • Klicka på OK .

Efter det kommer du att se grafen för regressionslinjen passar till i enlighet med Max. hastighet , Toppeffekt och Utbud i en nytt blad tillsammans med en analys.

Nedanför representerar den den Linjepassning i enlighet med Max. hastighet .

Följande bild visar den Linjepassning i enlighet med Toppeffekt .

Nedanstående bild visar den Linjepassning i enlighet med Utbud .

Ladda ner arbetsboken och se tomter för att få en bättre förståelse.

Läs mer: Hur man gör linjär regression i Excel (4 enkla sätt)

Övningssektionen

Här ger jag dig datamaterialet från den här artikeln så att du kan analysera det. multipel linjär regression på egen hand.

Slutsats

Det räcker med att säga att den här artikeln kommer att hjälpa dig att förstå hur man gör. analys av multipel regression i Excel och det är en kort beskrivning av parametrarna. Om du har några idéer eller feedback om den här artikeln, dela dem gärna i kommentarsfältet. Detta kommer att hjälpa mig att berika mina kommande artiklar.

Hugh West är en mycket erfaren Excel-tränare och analytiker med över 10 års erfarenhet i branschen. Han har en kandidatexamen i redovisning och ekonomi och en magisterexamen i företagsekonomi. Hugh har en passion för undervisning och har utvecklat ett unikt undervisningssätt som är lätt att följa och förstå. Hans expertkunskap om Excel har hjälpt tusentals studenter och yrkesverksamma över hela världen att förbättra sina färdigheter och utmärka sig i sina karriärer. Genom sin blogg delar Hugh med sig av sin kunskap med världen, och erbjuder gratis Excel-handledning och onlineutbildning för att hjälpa individer och företag att nå sin fulla potential.