Excel lineārā regresija
Lineārā regresija ir statistikas rīks programmā Excel, ko izmanto kā prognozēšanas analīzes modeli, lai pārbaudītu sakarību starp diviem mainīgo lielumu datiem. Izmantojot šo analīzi, mēs varam novērtēt divu vai vairāku mainīgo saistību. Mēs varam redzēt divu veidu mainīgos, ti, “Atkarīgais mainīgais un Neatkarīgais mainīgais”.
- Atkarīgais mainīgais ir faktors, kuru mēs cenšamies novērtēt.
- Neatkarīgais mainīgais ir tas, kas ietekmē atkarīgo mainīgo.
Tātad, izmantojot Excel lineāro regresiju, mēs faktiski varam redzēt, kā atkarīgais mainīgais mainās, kad mainās neatkarīgais mainīgais, un palīdz mums matemātiski izlemt, kuram mainīgajam ir reāla ietekme.
Kā programmā Excel pievienot lineārās regresijas datu analīzes rīku?
Lineārā regresija programmā Excel ir pieejama analīzes rīku pakotnē, kas ir slēpts rīks programmā Excel. To var atrast cilnē Dati.
Šis rīks nav redzams, kamēr lietotājs to nav iespējojis. Lai to iespējotu, veiciet tālāk norādītās darbības.
- 1. darbība: dodieties uz FILE >> Opcijas.
- 2. darbība: sadaļā “Excel opcijas” noklikšķiniet uz “Pievienojumprogrammas”.
- 3. darbība: sadaļā Excel pārvaldīt nolaižamo sarakstu atlasiet “Excel pievienojumprogrammas” un noklikšķiniet uz “Go”.
- 4. darbība. Atzīmējiet izvēles rūtiņu “Analysis Toolpak” sadaļā “Pievienojumprogrammas”.
Tagad cilnē “Dati” mums vajadzētu redzēt opciju “Analysis Toolpak”.
Izmantojot šo opciju, mēs varam veikt daudzas “datu analīzes” iespējas. Apskatīsim dažus piemērus tūlīt.
Piemēri
Kā es teicu, lineārā regresija Excel sastāv no divām lietām, ti, “atkarīgie un neatkarīgi mainīgie”. Šajā piemērā es izmantosim zemāk sniegtos datus par ziemas sezonas jakas pārdotajiem datiem ar temperatūru katrā mēnesī.
Mums ir katra mēneša vidējā temperatūra un pārdotā jaka dati. Šeit mums jāzina, kurš ir neatkarīgs un kuri ir atkarīgie mainīgie.
Šeit “Temperatūra” ir neatkarīgais mainīgais, jo temperatūru nevar kontrolēt, tāpēc tas ir neatkarīgais mainīgais.
“Pārdotās jakas” ir atkarīgs mainīgais lielums, jo, ņemot vērā temperatūras paaugstināšanos un samazināšanos, jaku pārdošana ir atšķirīga.
Tagad šiem datiem veiksim Excel lineārās regresijas analīzi.
- 1. darbība: noklikšķiniet uz cilnes Dati un Datu analīze.
- 2. solis: noklikšķinot uz “Datu analīze”, mēs redzēsim zemāk redzamo logu. Ritiniet uz leju un programmā Excel atlasiet “Regresija”.
- 3. solis: atlasiet opciju “Regresija” un noklikšķiniet uz “Labi”, lai atvērtu zem loga.
- 4. solis: “Input Y Range” ir atkarīgs mainīgais, tāpēc šajā gadījumā mūsu atkarīgais mainīgais ir “Jackets Sold” dati.
- 5. solis: “Ievades X diapazons” ir neatkarīgais mainīgais, tāpēc šajā gadījumā mūsu neatkarīgais mainīgais ir “Temperatūras” dati.
- 6. darbība: atlasiet izvades diapazonu kā vienu no šūnām.
- 7. solis: lai iegūtu starpību starp prognozētajām un faktiskajām vērtībām, atzīmējiet izvēles rūtiņu “Atlikumi”.
- 8. solis: noklikšķiniet uz Labi; mums būs šāda analīze.
Analīzes pirmā daļa ir “Regresijas statistika”.
Vairāki R: Šis aprēķins attiecas uz korelācijas koeficientu, kas mēra lineārā sakarības stiprumu starp diviem mainīgajiem. Korelācijas koeficients ir vērtība starp -1 un 1.
- 1 Norāda uz spēcīgām pozitīvām attiecībām.
- -1 norāda uz spēcīgām negatīvām attiecībām.
- 0 norāda, ka nav attiecību.
R kvadrāts: tas ir noteikšanas koeficients, ko izmanto, lai norādītu piemērotību.
Pielāgots R kvadrāts: tā ir R kvadrāta koriģētā vērtība, pamatojoties uz neatkarīgo mainīgo skaitu datu kopā.
Atceramās lietas
- Mēs varam arī izmantot funkciju LINEST programmā Excel.
- Lai interpretētu datus, jums ir jāpārzina statistika.
- Ja datu analīze cilnē Dati nav redzama, mums šī opcija ir jāiespējo zem pievienojumprogrammu opcijas.
