300 דוגמאות

נְסִיגָה

Regression

R Square | ערכי F ו- P | מקדמים | שאריות





דוגמה זו מלמדת אותך כיצד להריץ ניתוח רגרסיה לינארית ב לְהִצטַיֵן וכיצד לפרש את פלט הסיכום.

להלן תוכל למצוא את הנתונים שלנו. השאלה הגדולה היא: האם יש קשר בין כמות שנמכרת (תפוקה) למחיר ופרסום (קלט). במילים אחרות: האם אנו יכולים לחזות כמות נמכרת אם אנו יודעים מחיר ופרסום?





נתוני רגרסיה באקסל

1. בכרטיסיה נתונים, בקבוצה ניתוח, לחץ על ניתוח נתונים.



לחץ על ניתוח נתונים

הערה: אינך יכול למצוא את הלחצן ניתוח נתונים? לחץ כאן כדי לטעון את תוסף ToolPak לניתוח .

2. בחר רגרסיה ולחץ על אישור.

בחר רגרסיה

3. בחר את טווח Y (A1: A8). זהו המשתנה המנבא (נקרא גם משתנה תלוי).

4. בחר את טווח ה- X (B1: C8). אלה משתני ההסבר (נקראים גם משתנים עצמאיים). עמודות אלה חייבות להיות צמודות זו לזו.

5. בדוק תוויות.

6. לחץ בתיבה טווח פלט ובחר תא A11.

7. בדוק שאריות.

8. לחץ על אישור.

קלט ופלט רגרסיה

Excel מייצר את פלט הסיכום הבא (מעוגל ל -3 מקומות עשרוניים).

R Square

R Square שווה 0.962, וזה התאמה טובה מאוד. 96% מהשונות בכמות הנמכרת מוסברת על ידי המשתנים הבלתי תלויים מחיר ופרסום. ככל שקרוב ל -1, כך קו הרגרסיה (המשך לקרוא) מתאים יותר לנתונים.

כיצד להצטיין לספור תאים עם טקסט

R Square

ערכי F ו- P

כדי לבדוק אם התוצאות שלך מהימנות (מובהקות סטטיסטית), עיין במשמעות F (0.001). אם ערך זה קטן מ- 0.05, אתה בסדר. אם משמעות F גדולה מ- 0.05, כנראה שעדיף להפסיק להשתמש במערך משתנים עצמאיים זה. מחק משתנה בעל ערך P גבוה (גדול מ- 0.05) והפעל מחדש את הרגרסיה עד שמשמעות F יורדת מתחת ל 0.05.

רוב ערכי ה- P או כולם צריכים להיות מתחת ל -0.05. בדוגמה שלנו זה המצב. (0.000, 0.001 ו 0.005).

אנובה

מקדמים

קו הרגרסיה הוא: y = כמות נמכרת = 8536.214 -835.722 * מחיר + 0.592 * פרסום. במילים אחרות, עבור כל עליית יחידה במחיר, הכמות הנמכרת יורדת עם 835.722 יחידות. עבור כל גידול ביחידה בפרסום הכמות הנמכרת עולה עם 0.592 יחידות. זהו מידע בעל ערך.

תוכל גם להשתמש במקדמים אלה לביצוע תחזית. לדוגמה, אם המחיר שווה $ 4 ופרסום שווה $ 3000, ייתכן שתוכל להשיג כמות שנמכרת של 8536.214 -835.722 * 4 + 0.592 * 3000 = 6970.

שאריות

השאריות מראות לך כמה רחוק נקודות הנתונים בפועל נמצאות מנקודות הנתונים החזויות (באמצעות המשוואה). לדוגמה, נקודת הנתונים הראשונה שווה ל -8500. באמצעות המשוואה נקודת הנתונים החזויה שווה ל- 8536.214 -835.722 * 2 + 0.592 * 2800 = 8523.009, ונותנת שארית של 8500 -8523.009 = -23.009.

שאריות

תוכל גם ליצור חלקת פיזור של שאריות אלו.

גרף פיזור

10/10 הושלם! למידע נוסף על חבילת כלי הניתוח>
עבור לפרק הבא: צור מאקרו



^