Hồi Quy - EXCEL

Có thể bạn quan tâm

Home
Giới thiệu
Cơ bản
Hàm chức năng
Phân tích dữ liệu
VBA
Ví dụ

EXCEL

Navigation

Home
Lý thuyết
- Cơ bản
- Giới thiệu
- Hàm chức năng
- Phân tích dữ liệu
Giới thiệu
Cơ bản
Hàm chức năng
Phân tích dữ liệu
VBA
Ví dụ
Ví dụ
- Giới thiệu
- Hàm Chức Năng
- Phân tích dữ liệu

Home » Ví dụ » Ví dụ-Phân tích dữ liệu » Ví dụ-Phân tích dữ liệu-Toolpak » Hồi quy Hồi quy in Ví dụ, Ví dụ-Phân tích dữ liệu, Ví dụ-Phân tích dữ liệu-Toolpak - on 6:55 PM - 3 comments Ví dụ này hướng dẫn bạn cách thực hiện một phân tích hồi quy trong Excel và làm thế nào để diến giải một cách tổng quát nhất thông tin đầu ra . Dưới đây bạn có thể tìm thấy dữ liệu của chúng tôi. Câu hỏi lớn là: có một mối quan hệ giữa lượng bán (đầu ra) và Giá và Quảng cáo (đầu vào). Nói cách khác: chúng ta có thể dự đoán lượng bán nếu chúng ta biết giá và quảng cáo? Regression Data in Excel

1. Trên tab dữ liệu, nhấp vào phân tích dữ liệu. Click Data Analysis

Lưu ý: không thể tìm thấy nút phân tích dữ liệu? Bấm vào đây để tải các phân tích ToolPak add-in . 2. Chọn hồi quy và nhấn OK. Select Regression

3. Chọn Phạm vi Y (A1: A8). Đây là biến dự đoán (còn gọi là biến phụ thuộc). 4. Chọn dãy X (B1: C8). Đây là các biến giải thích (cũng được gọi là biến độc lập). Các cột này phải được tiếp giáp với nhau. 5. Kiểm tra nhãn. 6. Chọn một dãy. 7. Kiểm tra thặng dư. 8. Nhấn OK. Regression Input and Output

Excel cho ra đầu ra Tóm tắt như sau (làm tròn đến 3 chữ số thập phân).

R Quảng trường

R Quảng trường tương đương với 0.962, mà là một sự phù hợp rất tốt. 96% của sự thay đổi trong lượng bán được giải thích bởi các biến Giá độc lập và quảng cáo. Gần với 1, tốt hơn đường hồi quy (đọc trên) phù hợp với các dữ liệu. R Square

Ý nghĩa F và P-giá trị

Để kiểm tra xem kết quả của bạn là đáng tin cậy (ý nghĩa thống kê), nhìn vào nghĩa F (0.001). Nếu giá trị này thấp hơn 0,05, bạn OK. Nếu Ý nghĩa F lớn hơn 0,05, nó có thể là tốt hơn để ngừng sử dụng này tập hợp các biến độc lập. Xóa một biến với một P-giá trị cao (lớn hơn 0,05) và chạy hồi quy cho đến khi nghĩa F giảm xuống dưới 0,05. Hầu hết hoặc tất cả các P-giá trị cần được dưới đây dưới 0,05. Trong ví dụ của chúng tôi đây là trường hợp.(0.000, 0.001 và 0.005). Anova

Hệ số

Đường hồi quy là: y = Số lượng bán = 8536.214 -835,722 * Giá + 0,592 * Quảng cáo. Nói cách khác, đối với mỗi đơn vị tăng giá, lượng bán giảm với 835,722 đơn vị. Đối với mỗi đơn vị tăng trong quảng cáo, lượng bán tăng với 0,592 đơn vị. Đây là thông tin có giá trị. Bạn cũng có thể sử dụng các hệ số để làm một dự báo. Ví dụ, nếu giá bằng $ 4 và quảng cáo bằng $ 3000, bạn có thể có thể đạt được một lượng bán của 8536,214 -835,722 * 4 + 0,592 * 3000 = 6970.

Dư

Các số dư chỉ cho bạn cách xa các điểm dữ liệu thực tế là fom các điểm dữ liệu dự báo (bằng cách sử dụng phương trình). Ví dụ, các điểm dữ liệu đầu tiên bằng 8500. Sử dụng phương trình, các điểm dữ liệu dự đoán bằng 8536.214 -835,722 * 2 + 0,592 * 2800 = 8523,009, cho một còn lại của 8500-8.523,009 = -23,009. Residuals