Regressioonianalüüsi valem | Samm-sammult arvutamine

Regressioonianalüüsi valem

Regressioonanalüüs on sõltuva ja sõltumatu muutuja vahelise suhte analüüs, kuna see näitab, kuidas sõltuv muutuja muutub, kui üks või mitu sõltumatut muutujat muutuvad tegurite mõjul. Selle arvutamise valem on Y = a + bX + E, kus Y on sõltuv muutuja, X on sõltumatu muutuja, a on lõikepunkt, b on kalle ja E on jääk.

Regressioon on statistiline vahend sõltuva muutuja ennustamiseks ühe või mitme sõltumatu muutuja abil. Regressioonanalüüsi tegemise ajal on uurija peamine eesmärk välja selgitada sõltuva muutuja ja sõltumatu muutuja vaheline seos. Sõltuva muutuja ennustamiseks valitakse üks või mitu sõltumatut muutujat, mis aitavad sõltuvat muutujat ennustada. See aitab kinnitada, kas ennustajad on piisavalt head, et aidata ennustada sõltuvat muutujat.

Regressioonanalüüsi valemiga püütakse sõltumatute muutujate abil leida sõltuvale muutujale parim sobivusjoon. Regressioonanalüüsi võrrand on sama mis sirge võrrand

y = MX + b

Kus

  • Y = regressioonivõrrandi sõltuv muutuja
  • M = regressioonivõrrandi kalle
  • x = regressioonivõrrandi sõltuv muutuja
  • B = võrrandi konstant

Selgitus

Regressiooni käivitamise ajal on uurija peamine eesmärk välja selgitada sõltuva muutuja ja sõltumatu muutuja vaheline seos. Sõltuva muutuja ennustamiseks valitakse üks või mitu sõltumatut muutujat, mis võivad aidata sõltuva muutuja ennustamisel. Regressioonanalüüs aitab kontrollida, kas ennustajad on piisavalt head, et aidata sõltuvat muutujat ennustada.

Näited

Selle regressioonianalüüsi valemi Exceli malli saate alla laadida siit - regressioonianalüüsi valemi Exceli mall

Näide 1

Proovime ühe näite abil mõista regressioonianalüüsi mõistet. Proovime välja selgitada, milline on seos veokijuhi läbitud vahemaa ja veokijuhi vanuse vahel. Keegi teeb tegelikult regressioonivõrrandi, et kinnitada, kas seda, mida ta arvab kahe muutuja vahekorrast, kinnitab ka regressioonivõrrand. 

Allpool on toodud andmed arvutamiseks

Regressioonianalüüsi arvutamiseks minge Exceli vahekaardile Data ja valige seejärel andmete analüüsi valik. Edasise arvutusprotseduuri leiate siin toodud artiklist - Exceli Analysis ToolPak

Eespool toodud näite regressioonanalüüsi valem on

  • y = MX + b
  • y = 575,754 * -3,121 + 0
  • y = -1797

Selles konkreetses näites näeme, milline muutuja on sõltuv muutuja ja milline on sõltumatu muutuja. Selle regressioonivõrrandi sõltuv muutuja on veokijuhi läbitud vahemaa ja sõltumatu muutuja on veokijuhi vanus. Selle sõltuvate ja sõltumatute muutujate hulga regressioon tõestab, et sõltumatu muutuja on sõltuva muutuja hea ennustaja, kellel on mõistlikult kõrge määramistegur. Analüüs aitab kinnitada, et sõltumatu muutuja vormis olevad tegurid on õigesti valitud. Allolev hetkepilt kujutab muutujate regressiooniväljundit. Andmekogum ja muutujad esitatakse lisatud Exceli lehel.

Näide 2

Proovime regressioonianalüüsi ühe teise näite abil mõista ja mõista. Proovime välja selgitada, milline on seos klassi õpilaste pikkuse ja nende õpilaste GPA-klassi vahel. Keegi teeb tegelikult regressioonivõrrandi, et kinnitada, kas seda, mida ta arvab kahe muutuja vahekorrast, kinnitab ka regressioonivõrrand.

Selles näites on allpool toodud andmed Excelis arvutamiseks

Regressioonianalüüsi arvutamiseks minge Excelis vahekaardile Andmed ja valige seejärel andmeanalüüsi valik.

Ülaltoodud näite regressioon on

  • y = MX + b
  • y = 2,65 * 0,0034 + 0
  • y = 0,009198

Selles konkreetses näites näeme, milline muutuja on sõltuv muutuja ja milline on sõltumatu muutuja. Selle regressioonivõrrandi sõltuv muutuja on õpilaste GPA ja sõltumatu muutuja on õpilaste kõrgus. Selle sõltuvate ja sõltumatute muutujate komplekti regressioonanalüüs tõestab, et sõltumatu muutuja ei ole sõltuva muutuja hea ennustaja, kuna määramisteguri väärtus on tühine. Sellisel juhul peame regressioonanalüüsi sõltuva muutuja ennustamiseks välja selgitama veel ühe ennustava muutuja. Allolev hetkepilt kujutab muutujate regressiooniväljundit. Andmekogum ja muutujad esitatakse lisatud Exceli lehel.

Asjakohasus ja kasutusalad

Regressioon on väga kasulik statistiline meetod. Hüpoteesi kinnitamiseks, et konkreetne tegevus viib jaotuse kasumlikkuse suurenemiseni, saab iga äriotsuse puhul kinnitada sõltuvate ja sõltumatute muutujate regressiooni tulemuse põhjal. Regressioonianalüüsi võrrand mängib finantsmaailmas väga olulist rolli. Palju prognoose tehakse regressiooni abil. Näiteks saab konkreetse segmendi müüki ette ennustada makromajanduslike näitajate abil, millel on selle segmendiga väga hea seos. Nii lineaarne kui ka mitmekordne regressioon on praktikute jaoks kasulikud sõltuvate muutujate ennustamiseks ja sõltumatute muutujate kinnitamiseks sõltuvate muutujate ennustajana.