seychellesartprojects.org

Kas yra daugybinė regresijos formulė?

Analizuojant priklausomų ir daugybės nepriklausomų kintamųjų santykį, naudojama daugybinė regresijos formulė, o formulė yra lygybė Y yra lygi plius bX1 plius cX2 plius dX3 plius E, kur Y yra priklausomas kintamasis, X1, X2, X3 yra nepriklausomi kintamieji , a yra perimama, b, c, d yra nuolydžiai, o E yra likutinė vertė.

y = mx1 + mx2 + mx3 + b

Kur,

• Y = priklausomas regresijos kintamasis
• M = regresijos nuolydis
• X1 = pirmasis nepriklausomas regresijos kintamasis
• X2 = antrasis nepriklausomas regresijos kintamasis
• X3 = trečiasis nepriklausomas regresijos kintamasis
• B = pastovi

Regresijos analizės formulės paaiškinimas

Keli regresijos yra metodas prognozuoti priklausomą kintamąjį dviejų ar daugiau nepriklausomų kintamųjų pagalba. Atliekant šią analizę, pagrindinis tyrėjo tikslas yra išsiaiškinti priklausomo kintamojo ir nepriklausomų kintamųjų ryšį. Norint numatyti priklausomą kintamąjį, pasirenkami keli nepriklausomi kintamieji, kurie gali padėti numatyti priklausomą kintamąjį. Jis naudojamas, kai linijinė regresija nėra tinkama tikslui. Regresijos analizė padeda patikrinti, ar numatomieji kintamieji yra pakankamai geri, kad padėtų nuspėti priklausomą kintamąjį.

Pavyzdžiai

Šį „Multiple Regression Formula Excel“ šabloną galite atsisiųsti iš čia - „Multiple Regression Formula Excel“ šablonas

1 pavyzdys

Išbandykime ir supraskime kelių regresijų analizės sampratą, naudodamiesi pavyzdžiu. Pabandykime išsiaiškinti, koks yra ryšys tarp atstumo, kurį įveikė UBER vairuotojas, ir vairuotojo amžiaus bei vairuotojo stažo metų skaičiaus.

Norėdami apskaičiuoti daugkartinę regresiją, eikite į „Excel“ skirtuką Duomenys ir pasirinkite duomenų analizės parinktį. Tolesnę procedūrą ir skaičiavimus rasite čia pateiktame straipsnyje - „Excel“ analizės įrankių paketas

Aukščiau pateikto pavyzdžio regresijos formulė bus

1. y = MX + MX + b
2. y = 604,17 * -3,18 + 604,17 * -4,06 + 0
3. y = -4377

Šiame konkrečiame pavyzdyje pamatysime, kuris kintamasis yra priklausomas, o kuris - nepriklausomas. Priklausomas kintamasis šioje regresijos lygtyje yra atstumas, kurį įveikia UBER vairuotojas, o nepriklausomi kintamieji yra vairuotojo amžius ir vairavimo patirčių skaičius.

2 pavyzdys

Išbandykime ir supraskime kelių regresijų analizės sampratą kito pavyzdžio pagalba. Pabandykime išsiaiškinti, koks yra ryšys tarp studentų klasės GPA, studijų valandų skaičiaus ir studentų ūgio.

Norėdami atlikti skaičiavimą, eikite į „Excel“ skirtuką Duomenys ir tada pasirinkite duomenų analizės parinktį.

Aukščiau pateikto pavyzdžio regresijos lygtis bus

y = MX + MX + b

y = 1,08 * 0,03 + 1,08 * -. 002 + 0

y = .0325

 Šiame konkrečiame pavyzdyje pamatysime, kuris kintamasis yra priklausomas, o kuris - nepriklausomas. Šios regresijos priklausomas kintamasis yra GPA, o nepriklausomi kintamieji yra studijų valandos ir studentų ūgis.

3 pavyzdys

Išbandykime ir supraskime kelių regresijų analizės sampratą kito pavyzdžio pagalba. Pabandykime išsiaiškinti, koks ryšys yra tarp organizacijos grupės darbuotojų atlyginimo organizacijoje, metų darbo stažo ir darbuotojų amžiaus.

Norėdami atlikti skaičiavimą, eikite į „Excel“ skirtuką Duomenys ir tada pasirinkite duomenų analizės parinktį.

Aukščiau pateikto pavyzdžio regresijos lygtis bus

• y = MX + MX + b
• y = 41308 * .- 71 + 41308 * -824 + 0
• y = -37019

Šiame konkrečiame pavyzdyje pamatysime, kuris kintamasis yra priklausomas, o kuris - nepriklausomas. Priklausomas kintamasis šioje regresijos lygtyje yra atlyginimas, o nepriklausomi kintamieji yra darbuotojų patirtis ir amžius.

Aktualumas ir naudojimas

Keli regresijos yra labai naudingas statistinis metodas. Regresija vaidina labai svarbų vaidmenį finansų pasaulyje. Daug prognozuojama naudojant regresijos analizę. Pavyzdžiui, tam tikro segmento pardavimus galima iš anksto numatyti naudojant makroekonominius rodiklius, kurie turi labai gerą koreliaciją su tuo segmentu.