Analiza regresji jest używany do przewidzenia wyniki na niezależnej zmiennej , znany jako „x ” przy użyciu znanych wyniki na jednej lub więcej zmiennych zależnych , znanych jako „y jest . ” Analiza regresji liniowej matematycznie oblicza równanie prostej , która służy jako predykcyjnej modelu . Według strony internetowej , Stat Trek , pozostałości stanowią pionową odległość pomiędzy każdym uzyskanego punktu danych zmiennej niezależnej od tej prostej . Microsoft Excel 2007 tworzy wykres reszt , które muszą być interpretowane w celu oceny adekwatności użyciu regresji liniowej model.Things trzeba
Microsoft Excel 2007
Pokaż więcej instrukcji
1
Określić zmienne x i y w regresji . X zmienna lub zmienną niezależną stanowi wynik , który chcesz zmierzyć . Zmienne Y lub zmienne zależne są wejściami lub predyktorami . Na przykład , jeśli chcesz zaprojektować model przewidywania liczby przyjęć ERosoba miałaby za pomocą liczby kilogramów nadwagi i liczba godzin przepracowanych w tygodniu , są zmienne, zależne od liczby kilogramów nadwagi i liczba godzin przepracowanych w tygodniu , podczas gdy zmienną niezależną jest liczba widzów ER.
2
Rozumiem, żeoś x od resztkowej działki zawiera wszystkie wartości x zmiennej w próbie . W tym przykładzie , jeślinajwyższa liczba przyjęć ER nikogo w próbce miał był 15 , a najniższa była zerowa ,skala zacznie się od zera i rozwijać się w górę w odstępach jednego do maksymalnej wartości 15.
3
Naucz się czytać oś y resztkowego działki . Oś y reprezentuje pozostałości . Jeślinajwiększa odległość pomiędzy otrzymanego punktu danych i predykcyjny linii prostej 15 inajmniejsza odległość jest równa zero, skala ta będzie od zera i rozciągać się w górę z przyrostem jednego do maksymalnej wartości 15 Microsoft Excel 2007 do tworzy jedna wykres każda zmienna y .
4
Rozumiem, żelinia prosta na wykresie linia jestpredykcyjny , który opisuje najbardziej odpowiednie relacje między x i y – zmienna sposób graficzny . Linia może być poziome , skośne w górę , lub ukośnie w dół w zależności od charakteru relacji pomiędzy x i y są na wykresie .
5
Obejrzyj rozprzestrzeniania punktów powyżej i poniżej linii prostej predykcyjnej . Jeśli istnieje taka sama liczba punktów powyżej linii jak poniżej niej , regresja liniowa jest właściwe opisanie relacji między x i y są na wykresie .
6
Szukaj wzorów rozproszenie . Jeśli dane są w grupach , o kształcie innym niż linią prostą , jak w „U „, lub jeśli punkty danych nie są równomiernie rozmieszczone powyżej i poniżej linii prostej predykcyjnego , regresja liniowa jest odpowiednia i nieliniowe modele muszą być stosowane .