Ми використовуємо регресійний аналіз коли ми маємо дані про дві змінні з двох різних джерел і хочемо побудувати взаємозв'язок між ними. Регресійний аналіз дає нам лінійну модель, яка дозволяє спрогнозувати можливі результати. Зі зрозумілих причин між прогнозованими і фактичними значеннями будуть деякі відмінності. В результаті ми розрахувати стандартну похибку за допомогою регресійної моделі, яка є середньою похибкою між прогнозованими і фактичними значеннями. У цьому уроці ми покажемо вам, як розрахувати стандартну похибку регресійного аналізу в Excel .

Завантажити Практичний посібник

Завантажте цей практичний посібник, щоб потренуватися, поки ви читаєте цю статтю.

4 простих кроки для розрахунку стандартної помилки регресії в Excel

Припустимо, що у вас є набір даних з незалежна змінна ( X ) і залежна змінна ( Y ) Як бачите, вони не мають суттєвого взаємозв'язку, але ми хочемо його побудувати. В результаті, ми будемо використовувати Регресійний аналіз Ми розрахуємо стандартну похибку між двома змінними за допомогою регресійного аналізу. У другій частині статті ми розглянемо деякі параметри регресійної моделі, щоб допомогти вам її інтерпретувати.

Крок 1: Застосування команди "Аналіз даних" для створення регресійної моделі

• По-перше, зверніться до Дані та натисніть на вкладку Аналіз даних командування.

• Від Аналіз даних у вікні зі списком виберіть пункт Регресія варіант.
• Потім натисніть ГАРАЗД. .

Крок 2: Вставте вхідний та вихідний діапазон у поле регресії

• Для Діапазон введення Y , виберіть діапазон C4:C13 із заголовком.
• Натисніть на кнопку Етикетки прапорець.

• Виберіть діапазон B4:B13 для Діапазон вхідного сигналу X .

• Щоб отримати результат в бажаному місці, виберіть будь-яку комірку ( B16 ) для Вихідний діапазон .
• Нарешті, натисніть ГАРАЗД. .

Читати далі: Як розрахувати стандартну похибку пропорційності в Excel (з простими кроками)

Крок 3: З'ясуйте типову помилку

• З регресійного аналізу можна отримати значення стандартної похибки ( 3156471 ).

Читати далі: Як знайти залишкову середньоквадратичну похибку в Excel (2 простих способи)

Крок 4: Побудова графіка регресійної моделі

• По-перше, натисніть на кнопку Вставка рахунок.
• Від Графіки у групі, виберіть пункт Розкид діаграму.

• Клацніть правою кнопкою миші по одному з пунктів.
• Із запропонованих варіантів виберіть Додати лінію тренду варіант.

• Тому ваша регресійний аналіз Графік буде побудований у вигляді зображення, наведеного нижче.

• Для відображення регресійний аналіз рівняння, натисніть на кнопку Відобразити рівняння на графіку опція від Формат Trendline.

• Як наслідок, рівняння ( y = 1,0844x + 107,21 ) регресійного аналізу з'являться на графіку.

Нотатки:

Розрахувати різницю між прогнозованими та фактичними значеннями можна з рівняння регресійного аналізу.

Сходинки:

• Введіть формулу для представлення рівняння регресійного аналізу.

• Таким чином, ви отримаєте перше прогнозоване значення ( 129.9824 ), що відрізняється від фактичного значення ( 133 ).

• Скористайтеся кнопкою Інструмент автозаповнення для автозаповнення колонки D .

• Для розрахунку похибки введіть наступну формулу для віднімання.

• Нарешті, колонка автозаповнення E для знаходження значень похибок.

Читати далі: Як розрахувати стандартну похибку нахилу регресії в Excel

Інтерпретація регресійного аналізу в Excel

1. стандартна помилка

З рівняння регресійного аналізу ми бачимо, що між прогнозованими та фактичними значеннями завжди існує різниця або помилка. Як наслідок, ми повинні розрахувати середнє відхилення різниць.

A стандартна похибка представляє середню похибку між прогнозованим та фактичним значенням. Ми виявили 8.3156471 в якості стандартна похибка У нашому прикладі регресійної моделі це свідчить про те, що між прогнозованими і фактичними значеннями існує різниця, яка може бути більшою, ніж стандартна похибка ( 15.7464 ) або менше, ніж стандартна похибка ( 4.0048 Втім, наші середня похибка буде 8.3156471 який є стандартна похибка .

Як наслідок, метою моделі є зменшення стандартної похибки. нижній чим більша стандартна похибка, тим більше точний модель.

2. коефіцієнти

Коефіцієнт регресії оцінює реакцію невідомих величин. У рівнянні регресії ( y = 1,0844x + 107,21 ), 1.0844 це коефіцієнт , x незалежна змінна предиктора, 107.21 константа, а y є значенням відгуку для x .

• A позитивний коефіцієнт передбачає, що чим вищий коефіцієнт, тим вища змінна відгуку. Це свідчить про те, що пропорційний стосунки.
• A від'ємний коефіцієнт прогнозує, що чим вищий коефіцієнт, тим нижчі значення відповідей. Це свідчить про непропорційний стосунки.

3. значення P-Values

У регресійному аналізі, p-значення і коефіцієнти співпрацюють, щоб повідомити вам, чи є кореляції у вашій моделі статистично значущими і якими є ці взаємозв'язки. нульова гіпотеза що незалежна змінна не має зв'язку з залежною змінною, перевіряється за допомогою p-значення Зв'язок між змінами незалежної змінної та змінами залежної змінної відсутній, якщо не існує кореляції.

• Дані Вашої вибірки дають достатню підставу для того, щоб фальсифікувати нульову гіпотезу для генеральної сукупності, якщо p-значення для змінної дорівнює менше Ваші докази підтверджують думку про те, що ненульова кореляція На рівні населення зміни в незалежній змінній пов'язані зі змінами в залежній змінній.
• A p-значення більший ніж рівень значущості з обох боків, свідчить про те, що ваша вибірка має недостатність доказів встановити, що ненульова кореляція існує.

Тому що їхні p-значення ( 5.787E-06 , 1.3E-06 ) є менше ніж у значне значення ( 5.787E-06 ), угода між Україною та ЄС про асоціацію між Україною та ЄС Незалежна змінна (X) і Перехоплення є статистично значущий як показано в прикладі виходу регресії.

4. значення R-квадрата

Для лінійних регресійних моделей, R-квадрат це оцінка повноти Це співвідношення показує, що відсоток відхилення у залежній змінній, на яку впливають незалежні фактори, взяті разом. 0-100 відсоткова шкала, R-квадрат кількісно оцінює сила зв'язку між вашою моделлю та залежною змінною.

На сьогоднішній день, на жаль, це не так. R2 є мірою того, наскільки добре регресійна модель відповідає вашим даним. вище в "Урядовому кур'єрі". кількість "Про те, що в Україні не існує жодного закону, який би краще реалістичність моделі.

Висновок

Я сподіваюся, що ця стаття дала вам підручник про те, як розрахувати стандартну помилку регресії в Excel Всі ці процедури необхідно вивчити і застосувати до вашого набору даних. Погляньте на практичний посібник і випробуйте ці навички на практиці. Ми мотивовані продовжувати створювати подібні посібники завдяки вашій цінній підтримці.

Якщо у Вас виникли запитання, будь ласка, звертайтеся до нас. Також не соромтеся залишати коментарі у розділі нижче.

Ми, представники Ексельдемія Team, завжди оперативно реагують на ваші запити.

Залишайтеся з нами і продовжуйте вчитися.