نحوه محاسبه رگرسیون در اکسل

 

این مثال نحوه انجام محاسبه رگرسیون در اکسل و نحوه تفسیر خروجی را به طور خلاصه آموزش می دهد.

 

دانلود فایل اکسل این آموزش regression

 

در زیر شما می توانید اطلاعات این مثال را مشاهده کنید. سوال این است: آیا بین مقدار فروش (خروجی) و قیمت و تبلیغات (ورودی) رابطه وجود دارد. به عبارت دیگر: اگر مقدار قیمت و تبلیغات را بدانیم، می توانیم مقدار فروش را پیش بینی کنیم؟

1. در بخش Data، در گروه Analysis، روی Data Analysis کلیک کنید.

توجه: نمی توانید دکمه Data Analysis را پیدا کنید؟ برای بارگیری افزونه Analysis ToolPak اینجا را کلیک کنید.

2. Regression (رگرسیون) را انتخاب کنید و روی OK کلیک کنید.

3. محدوده Y را انتخاب کنید (A1:A8). این متغیر پیش بینی شده (همچنین متغیر وابسته نامیده می شود) است.

4. محدوده X را انتخاب کنید (B1:C8). این متغیرها توضیحی هستند (همچنین متغیرهای مستقل نامیده می شوند). این ستون ها باید به یکدیگر متصل شوند.

5. تیک گزینه Labels را فعال کنید.

6. در قسمت Output Range کلیک کنید و سلول A11 را انتخاب کنید.

7. تیک گزینه Residuals را بزنید

8. روی OK کلیک کنید.

اکسل خلاصه خروجی زیر (با 3 رقم اعشار) را تولید می کند.

R Square

مربع R معادل 0.962 است که بسیار مناسب است. 96٪ از تغییر در مقدار فروخته شده توسط متغیر مستقل قیمت و تبلیغات توضیح داده شده است. که هرچه نزدیک تر به 1 باشد، بهتر است.

اهمیت مقدار F و P

برای بررسی اینکه آیا نتایج شما قابل اعتماد هستند (از نظر آماری معنی دار)، به اهمیت (F (0.001 نگاه کنید. اگر این مقدار کمتر از 0.05 باشد، همه چیز درست است. اگر اهمیت F بیشتر از 0.05 باشد احتمالا بهتر است که از این مجموعه متغیرهای مستقل استفاده نکنیم. یک متغیر با مقدار P بالا (بیش از 0.05) را حذف کنید و رگرسیون را دوباره تکرار کنید تا زمانی که معنی دار شدن F کمتر از 0.05 باشد.

مقادیر P باید کمتر از 0.05 باشد. در مثال ما این مورد است. ( 0.000 ، 0.001 و 0.005 ).

ضرایب

خط رگرسیون: 

y = Quantity Sold = 8536.214 -835.722 * Price + 0.592 * Advertising

به عبارت دیگر، برای هر واحد افزایش قیمت، مقدار فروخته شده با 835.722 واحد کاهش می یابد. برای هر واحد افزایش در تبلیغات، مقدار فروخته شده با 0.592 واحد افزایش می یابد. این اطلاعات ارزشمند است.

شما همچنین می توانید از این ضرایب برای پیش بینی استفاده کنید. به عنوان مثال، اگر قیمت برابر با 4 دلار و تبلیغات برابر با 3000 دلار باشد، ممکن است بتوانید مقدار فروش شده 8536.214 -835.722 * 4 + 0.592 * 3000 = 6970 را بدست آورید.

باقی مانده

باقی مانده ها به شما نشان می دهند که نقاط داده های واقعی از نقطه های داده پیش بینی شده (با استفاده از معادله) دور هستند. برای مثال، اولین نقطه داده برابر با 8500 است. با استفاده از معادله، نقطه داده پیش بینی شده برابر است با 8536.214 -835.722 * 2 + 0.592 * 2800 = 8523.009، باقی مانده 8500 – 8523.009 = -23.009 .

شما همچنین می توانید یک طرح پراکنده از این باقی مانده ایجاد کنید.

 

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *