Video: Calling All Cars: The Blonde Paper Hanger / The Abandoned Bricks / The Swollen Face 2024
Linjär regression är ett utmärkt verktyg för att göra förutsägelser med Excel. När du känner till lutningen och avlyssningen av linjen som rör två variabler, kan du ta ett nytt x- -värde och förutse ett nytt y- -värde. I det exempel du har arbetat igenom tar du ett SAT-poäng och förutser en GPA för en Sahutsket-universitetsstudent.
Vad händer om du visste mer än bara SAT-poängen för varje elev? Vad händer om du hade studentens gymnasiemedelvärde (i 100 skala), och du kan använda den informationen också? Om du skulle kunna kombinera SAT-poäng med HS-medelvärde kan du ha en mer exakt förutsägelse än SAT-poäng ensam.
När du arbetar med mer än en oberoende variabel är du i rätverket för multipel regression. Som i linjär regression hittar du regressionskoefficienter för den bäst anpassade linjen genom en scatterplot. Ännu en gång betyder bäst passande att summan av de kvadrerade avstånden från datapunkterna till linjen är ett minimum.
Med två oberoende variabler kan du emellertid inte visa en scatterplot i två dimensioner. Du behöver tre dimensioner, och det blir svårt att rita.
För SAT-GPA-exemplet översätts regressionsekvationen till
Förutsatt GPA = a + b 1 (SAT) + b 2 (High School Average)
Du kan testa hypoteser om den övergripande passformen och om alla tre regressionskoefficienterna.
Låt oss kolla in Excel-funktionerna för att hitta koefficienter.
Några saker att tänka på:
- Du kan ha ett antal x- variabler.
- Förvänta koefficienten för SAT att växla från linjär regression till multipel regression. Förvänta sig att avlyssningen ska förändras också.
- Förvänta att estimatets standardfel minskar från linjär regression till multipel regression. Eftersom flera regression använder mer information än linjär regression reducerar det felet.