300 Příkladů

Regrese

Regression

Náměstí R. | Význam F a P-hodnoty | Koeficienty | Zbytky





Tento příklad vás naučí, jak spustit a lineární regresní analýza v Vynikat a jak interpretovat souhrnný výstup.

Níže najdete naše údaje. Velkou otázkou je: existuje vztah mezi prodaným množstvím (výstup) a cenou a reklamou (vstup). Jinými slovy: můžeme předpovědět prodané množství, pokud známe cenu a reklamu?





Regresní data v Excelu

1. Na kartě Data ve skupině Analýza klikněte na Analýza dat.



Klikněte na Analýza dat

Poznámka: Nemůžete najít tlačítko Analýza dat? Kliknutím sem načtete soubor Doplněk Analysis ToolPak .

2. Vyberte Regrese a klikněte na OK.

Vyberte Regrese

3. Vyberte rozsah Y (A1: A8). Toto je proměnná prediktoru (také nazývaná závislá proměnná).

4. Vyberte rozsah X (B1: C8). Toto jsou vysvětlující proměnné (nazývané také nezávislé proměnné). Tyto sloupce musí sousedit navzájem.

5. Zkontrolujte štítky.

6. Klikněte do pole Výstupní rozsah a vyberte buňku A11.

7. Zkontrolujte zbytky.

8. Klikněte na OK.

Regresní vstup a výstup

Excel vytvoří následující souhrnný výstup (zaokrouhlený na 3 desetinná místa).

Náměstí R.

R Square se rovná 0,962, což je velmi vhodné. 96% variací prodaného množství je vysvětleno nezávislými proměnnými Cena a reklama. Čím blíže k 1, tím lépe regresní čára (čtěte dále) odpovídá datům.

Excel přidat 1 rok k dnešnímu dni

Náměstí R.

Význam F a P-hodnoty

Chcete -li zkontrolovat, zda jsou vaše výsledky spolehlivé (statisticky významné), podívejte se na Význam F (0,001). Pokud je tato hodnota menší než 0,05, jste v pořádku. Pokud je Význam F větší než 0,05, je pravděpodobně lepší přestat používat tuto sadu nezávislých proměnných. Vymažte proměnnou s vysokou hodnotou P (větší než 0,05) a spusťte regresi, dokud významnost F neklesne pod 0,05.

Většina nebo všechny hodnoty P by měly být nižší než 0,05. V našem případě je tomu tak. (0,000, 0,001 a 0,005).

Anova

Koeficienty

Regresní linie je: y = Prodané množství = 8536,214 -835,722 * Cena + 0,592 * Reklama. Jinými slovy, za každé zvýšení ceny jednotky se prodané množství sníží s 835,722 jednotkami. Za každé zvýšení jednotky v reklamě se prodané množství zvyšuje o 0,592 jednotek. To jsou cenné informace.

Tyto koeficienty můžete také použít k předpovědi. Pokud se například cena rovná 4 USD a Reklama se rovná 3000 USD, můžete dosáhnout prodejního množství 8536,214 -835,722 * 4 + 0,592 * 3000 = 6970.

Zbytky

Zbytky vám ukazují, jak daleko jsou skutečné datové body od předpokládaných datových bodů (pomocí rovnice). Například první datový bod se rovná 8500. Použitím rovnice se předpokládaný datový bod rovná 8536.214 -835,722 * 2 + 0,592 * 2800 = 8523,009, což znamená reziduum 8500 -8523,009 = -23,009.

Zbytky

Můžete také vytvořit bodový graf těchto zbytků.

Bodový diagram

10/10 Dokončeno! Další informace o balíčku nástrojů pro analýzu>
Přejít na další kapitolu: Vytvořte makro



^