300 Mga Halimbawa

Pag-urong

Regression

R Square | Kahalagahan F at P-Mga Halaga | Coefficients | Mga nalalabi





Ang halimbawang ito ay nagtuturo sa iyo kung paano patakbuhin ang a pagtatasa ng linear regression sa Excel at kung paano bigyang kahulugan ang Buod ng Output.

Sa ibaba makikita mo ang aming data. Ang malaking tanong ay: mayroon bang ugnayan sa pagitan ng Dami ng Nabenta (Output) at Presyo at Advertising (Input). Sa madaling salita: mahuhulaan ba natin ang Nabenta ng Dami kung alam natin ang Presyo at Advertising?





Data ng Pag-urong sa Excel

1. Sa tab na Data, sa pangkat ng Pagsusuri, i-click ang Pagsusuri sa Data.



I-click ang Pagsusuri sa Data

Tandaan: hindi mahanap ang pindutan ng Pagsusuri ng Data? Mag-click dito upang mai-load ang Pagsusuri sa add-in ng ToolPak ng Pagsusuri .

2. Piliin ang Pag-urong at i-click ang OK.

Piliin ang Pag-urong

3. Piliin ang Y Range (A1: A8). Ito ang variable ng prediktor (tinatawag ding dependant variable).

4. Piliin ang X Range (B1: C8). Ito ang mga nagpapaliwanag na variable (tinatawag ding independiyenteng mga variable). Ang mga haligi na ito ay dapat na katabi ng bawat isa.

5. Suriin ang mga Label.

6. Mag-click sa kahon ng Saklaw ng Output at piliin ang cell A11.

7. Suriin ang mga Natitira.

8. Mag-click sa OK.

Input at Output ng Pag-urong

Gumagawa ang Excel ng sumusunod na Output ng Buod (bilugan sa 3 decimal na lugar).

R Square

Ang R Square ay katumbas ng 0.962, na napakahusay na akma. 96% ng pagkakaiba-iba sa Dami ng Nabenta ay ipinaliwanag ng mga independiyenteng variable na Presyo at Advertising. Ang mas malapit sa 1, mas mabuti ang linya ng pagbabalik (basahin sa) umaangkop sa data.

kung paano makahanap ng average ng isang haligi sa excel

R Square

Kahalagahan F at P-halaga

Upang suriin kung maaasahan ang iyong mga resulta (makabuluhan sa istatistika), tingnan ang Kahulugan F (0.001). Kung ang halagang ito ay mas mababa sa 0.05, OK ka lang. Kung ang Kahalagahan F ay mas malaki sa 0.05, marahil mas mahusay na itigil ang paggamit ng hanay ng mga independiyenteng variable na ito. Tanggalin ang isang variable na may mataas na P-halaga (mas malaki sa 0.05) at ibalik ang pagbabalik hanggang sa bumaba ang Significance F sa ibaba 0.05.

Karamihan o lahat ng mga P-halaga ay dapat na mas mababa sa ibaba 0.05. Sa aming halimbawa ito ang kaso. (0.000, 0.001 at 0.005).

Anova

Coefficients

Ang linya ng pagbabalik ay: y = Dami Ibinenta = 8536.214 -835.722 * Presyo + 0.592 * Advertising. Sa madaling salita, para sa bawat pagtaas ng presyo ng yunit, ang Pagbebenta ng Dami ay nababawasan na may 835.722 na mga yunit. Para sa bawat pagtaas ng yunit sa Advertising, ang Dami ng Ibinebenta ay tumataas na may 0.592 na mga yunit. Ito ay mahalagang impormasyon.

Maaari mo ring gamitin ang mga coefficients na ito upang makagawa ng isang pagtataya. Halimbawa, kung ang presyo ay katumbas ng $ 4 at ang Advertising ay katumbas ng $ 3000, maaari mong makamit ang isang Quantity Sold na 8536.214 -835.722 * 4 + 0.592 * 3000 = 6970.

Mga nalalabi

Ipinapakita sa iyo ng mga natitirang kung gaano kalayo ang aktwal na mga puntos ng data ay fom ang hinulaang mga puntos ng data (gamit ang equation). Halimbawa, ang unang punto ng data ay katumbas ng 8500. Gamit ang equation, ang hinulaang data point ay katumbas ng 8536.214 -835.722 * 2 + 0.592 * 2800 = 8523.009, na nagbibigay ng isang natitirang 8500 - 8523.009 = -23.009.

Mga nalalabi

Maaari ka ring lumikha ng isang nakakalat na balangkas ng mga residual na ito.

Nagkalat na Plot

10/10 Nakumpleto! Matuto nang higit pa tungkol sa toolpak ng pagsusuri>
Pumunta sa Susunod na Kabanata: Lumikha ng isang Macro



^