300 Contoh

Regresi

Regression

Dataran R | Kepentingan F dan Nilai-P | Pekali | Sisa





Contoh ini mengajar anda cara menjalankan a analisis regresi linear dalam Excel dan bagaimana mentafsirkan Output Ringkasan.

Di bawah ini anda boleh mendapatkan data kami. Persoalan besar ialah: adakah hubungan antara Kuantiti Dijual (Output) dan Harga dan Iklan (Input). Dengan kata lain: bolehkah kita meramalkan Kuantiti Dijual jika kita mengetahui Harga dan Iklan?





Data Regresi dalam Excel

1. Pada tab Data, dalam kumpulan Analisis, klik Analisis Data.



Klik Analisis Data

Nota: tidak dapat mencari butang Analisis Data? Klik di sini untuk memuatkan Alat tambah Analisis ToolPak .

2. Pilih Regresi dan klik OK.

Pilih Regresi

3. Pilih Julat Y (A1: A8). Ini adalah pemboleh ubah peramal (juga disebut pemboleh ubah bersandar).

4. Pilih Julat X (B1: C8). Ini adalah pemboleh ubah penjelasan (juga disebut pemboleh ubah bebas). Lajur ini mesti berdekatan satu sama lain.

5. Periksa Label.

6. Klik di kotak Output Range dan pilih sel A11.

7. Periksa Sisa.

8. Klik OK.

Input dan Keluaran Regresi

Excel menghasilkan Output Ringkasan berikut (dibundarkan hingga 3 tempat perpuluhan).

Dataran R

R Square sama dengan 0,962, yang sangat sesuai. 96% variasi dalam Kuantiti Dijual dijelaskan oleh pemboleh ubah bebas Harga dan Iklan. Semakin dekat dengan 1, semakin baik garis regresi (baca terus) sesuai dengan data.

bilangan hari bekerja antara dua tarikh yang unggul

Dataran R

Kepentingan nilai F dan P

Untuk memeriksa sama ada keputusan anda boleh dipercayai (signifikan secara statistik), lihat Significance F (0.001). Sekiranya nilai ini kurang daripada 0.05, anda tidak apa-apa. Sekiranya Signifikansi F lebih besar daripada 0.05, mungkin lebih baik berhenti menggunakan set pemboleh ubah bebas ini. Padamkan pemboleh ubah dengan nilai P tinggi (lebih besar daripada 0.05) dan jalankan regresi sehingga Signifikansi F turun di bawah 0.05.

Sebilangan besar atau semua nilai P mestilah di bawah 0.05. Dalam contoh kita ini berlaku. (0.000, 0.001 dan 0.005)

Anova

Pekali

Garis regresi adalah: y = Kuantiti Dijual = 8536.214 -835.722 * Harga + 0.592 * Iklan. Dengan kata lain, untuk setiap kenaikan harga unit, Kuantiti Dijual menurun dengan 835.722 unit. Untuk setiap kenaikan unit Iklan, Kuantiti Dijual meningkat dengan 0.592 unit. Ini adalah maklumat berharga.

Anda juga boleh menggunakan pekali ini untuk membuat ramalan. Sebagai contoh, jika harga sama dengan $ 4 dan Iklan sama dengan $ 3000, anda mungkin dapat mencapai Kuantiti Dijual 8536.214 -835.722 * 4 + 0.592 * 3000 = 6970.

Sisa

Sisa menunjukkan anda sejauh mana titik data sebenar dari titik data yang diramalkan (menggunakan persamaan). Contohnya, titik data pertama sama dengan 8500. Dengan menggunakan persamaan, titik data yang diramalkan sama dengan 8536.214 -835.722 * 2 + 0.592 * 2800 = 8523.009, memberikan baki 8500 - 8523.009 = -23.009.

Sisa

Anda juga boleh membuat sebaran sisa-sisa ini.

Plot bersepah

10/10 Selesai! Ketahui lebih lanjut mengenai alat analisis>
Pergi ke Bab Seterusnya: Buat Makro



^