Công thức Excel hồi quy tuyến tính bội
hăng sô. Đối số tùy chọn. Nếu TRUE, hằng số b được xử lý bình thường. Nếu FALSE, hằng số b được đặt thành 1
Ví dụ từng bước sau đây cho thấy cách sử dụng chức năng này trong thực tế Show
Bước 1. Nhập dữ liệuTrước tiên, hãy nhập tập dữ liệu sau vào Excel Bước 2. Sử dụng LINEST để phù hợp với nhiều mô hình hồi quy tuyến tínhGiả sử chúng ta muốn điều chỉnh mô hình hồi quy tuyến tính bội bằng cách sử dụng x1, x2 và x3 làm biến dự đoán và y làm biến phản hồi Để làm như vậy, chúng ta có thể nhập công thức sau vào bất kỳ ô nào để phù hợp với mô hình hồi quy tuyến tính bội này =LINEST(D2:D14, A2:C14) Ảnh chụp màn hình sau đây cho thấy cách sử dụng công thức này trong thực tế Đây là cách giải thích đầu ra
Sử dụng các hệ số này, chúng ta có thể viết phương trình hồi quy phù hợp là y = 28. 5986 + 0. 34271(x1) – 3. 00393(x2) + 0. 849687(x3) Bước 3 (Tùy chọn). Hiển thị thống kê hồi quy bổ sungChúng ta cũng có thể đặt giá trị cho đối số stats trong hàm LINEST bằng TRUE để hiển thị thống kê hồi quy bổ sung cho phương trình hồi quy phù hợp Phương trình hồi quy được trang bị vẫn giống nhau y = 28. 5986 + 0. 34271(x1) – 3. 00393(x2) + 0. 849687(x3) Đây là cách diễn giải các giá trị khác trong đầu ra
Nói chung, số liệu thú vị nhất trong các thống kê bổ sung này là giá trị R2, đại diện cho tỷ lệ phương sai trong biến phản hồi có thể được giải thích cho biến dự báo Giá trị của R2 có thể nằm trong khoảng từ 0 đến 1 Vì R2 cho mô hình cụ thể này là. 838, nó cho chúng ta biết rằng các biến dự đoán thực hiện tốt công việc dự đoán giá trị của biến phản hồi y Hồi quy tuyến tính bội là phương pháp chúng ta có thể sử dụng để hiểu mối quan hệ giữa hai hoặc nhiều biến giải thích và một biến phản hồi Hướng dẫn này giải thích cách thực hiện hồi quy tuyến tính bội trong Excel Ghi chú. Nếu bạn chỉ có một biến giải thích, thay vào đó, bạn nên thực hiện hồi quy tuyến tính đơn giản Thí dụ. Nhiều hồi quy tuyến tính trong ExcelGiả sử chúng ta muốn biết liệu số giờ dành cho việc học và số bài kiểm tra chuẩn bị đã thực hiện có ảnh hưởng đến số điểm mà một học sinh nhận được trong một kỳ thi tuyển sinh đại học nhất định hay không Để khám phá mối quan hệ này, chúng ta có thể thực hiện hồi quy tuyến tính bội bằng cách sử dụng số giờ đã học và bài kiểm tra chuẩn bị đã thực hiện làm biến giải thích và điểm bài kiểm tra làm biến phản hồi Thực hiện các bước sau trong Excel để tiến hành hồi quy tuyến tính bội Bước 1. Nhập dữ liệu Nhập dữ liệu sau cho số giờ đã học, bài kiểm tra chuẩn bị đã thực hiện và điểm bài kiểm tra nhận được cho 20 học sinh Bước 2. Thực hiện hồi quy tuyến tính bội Dọc theo dải băng trên cùng trong Excel, chuyển đến tab Dữ liệu và nhấp vào Phân tích dữ liệu. Nếu không thấy tùy chọn này thì trước tiên bạn cần cài đặt Công cụ phân tích miễn phí. Khi bạn nhấp vào Phân tích dữ liệu, một cửa sổ mới sẽ bật lên. Chọn Hồi quy và nhấp vào OK Đối với Phạm vi đầu vào Y, hãy điền vào mảng giá trị cho biến phản hồi. Đối với Phạm vi đầu vào X, hãy điền vào mảng giá trị cho hai biến giải thích. Chọn hộp bên cạnh Nhãn để Excel biết rằng chúng tôi đã bao gồm tên biến trong phạm vi đầu vào. Đối với Phạm vi đầu ra, hãy chọn một ô mà bạn muốn đầu ra của hồi quy xuất hiện. Sau đó nhấp vào OK Đầu ra sau sẽ tự động xuất hiện Bước 3. Giải thích đầu ra Đây là cách diễn giải các số phù hợp nhất trong đầu ra Quảng trường R. 0. 734. Đây được gọi là hệ số xác định. Là tỷ lệ của phương sai trong biến phản ứng có thể được giải thích bởi các biến giải thích. Trong ví dụ này, 73. 4% sự khác biệt trong điểm thi có thể được giải thích bằng số giờ học và số bài kiểm tra chuẩn bị đã thực hiện lỗi tiêu chuẩn. 5. 366. Đây là khoảng cách trung bình mà các giá trị quan sát được giảm từ đường hồi quy. Trong ví dụ này, các giá trị được quan sát rơi vào mức trung bình là 5. 366 đơn vị từ đường hồi quy F. 23. 46. Đây là thống kê F tổng thể cho mô hình hồi quy, được tính là MS hồi quy/MS dư ý nghĩa F. 0. 0000. Đây là giá trị p được liên kết với thống kê F tổng thể. Nó cho chúng ta biết liệu toàn bộ mô hình hồi quy có ý nghĩa thống kê hay không. Nói cách khác, nó cho chúng ta biết liệu hai biến giải thích được kết hợp có mối liên hệ có ý nghĩa thống kê với biến phản hồi hay không. Trong trường hợp này giá trị p nhỏ hơn 0. 05, chỉ ra rằng các biến số giải thích số giờ đã học và các bài kiểm tra chuẩn bị đã thực hiện được kết hợp có mối liên hệ có ý nghĩa thống kê với điểm bài kiểm tra giá trị P. Các giá trị p riêng lẻ cho chúng ta biết mỗi biến giải thích có ý nghĩa thống kê hay không. Chúng ta có thể thấy rằng số giờ được nghiên cứu có ý nghĩa thống kê (p = 0. 00) trong khi thực hiện các kỳ thi chuẩn bị (p = 0. 52) không có ý nghĩa thống kê tại α = 0. 05. Vì các bài kiểm tra chuẩn bị được thực hiện không có ý nghĩa thống kê nên cuối cùng chúng tôi có thể quyết định xóa nó khỏi mô hình hệ số. Các hệ số cho mỗi biến giải thích cho chúng ta biết mức thay đổi dự kiến trung bình trong biến phản hồi, giả sử biến giải thích khác không đổi. Ví dụ: cứ mỗi giờ học thêm, điểm bài kiểm tra trung bình dự kiến sẽ tăng 5. 56, giả định rằng các bài kiểm tra chuẩn bị được thực hiện không đổi Đây là một cách khác để suy nghĩ về điều này. Nếu cả học sinh A và học sinh B đều có số lượng bài kiểm tra chuẩn bị như nhau nhưng học sinh A học nhiều hơn một giờ, thì học sinh A dự kiến sẽ đạt được số điểm là 5. 56 điểm cao hơn sinh viên B Chúng tôi giải thích hệ số cho điểm chặn có nghĩa là điểm bài kiểm tra dự kiến cho một học sinh học không giờ và không làm bài kiểm tra chuẩn bị là 67. 67 Ước lượng phương trình hồi quy. Chúng ta có thể sử dụng các hệ số từ đầu ra của mô hình để tạo phương trình hồi quy ước tính sau điểm thi = 67. 67 + 5. 56*(giờ) – 0. 60*(thi chuẩn bị) Chúng ta có thể sử dụng phương trình hồi quy ước tính này để tính điểm kỳ thi dự kiến cho một học sinh, dựa trên số giờ học và số bài kiểm tra chuẩn bị mà họ thực hiện. Ví dụ, một học sinh học trong ba giờ và làm một bài kiểm tra chuẩn bị sẽ nhận được số điểm là 83. 75 điểm thi = 67. 67 + 5. 56*(3) – 0. 60*(1) = 83. 75 Hãy nhớ rằng vì các bài kiểm tra chuẩn bị đã thực hiện không có ý nghĩa thống kê (p = 0. 52), chúng tôi có thể quyết định xóa nó vì nó không thêm bất kỳ cải tiến nào vào mô hình tổng thể. Trong trường hợp này, chúng tôi có thể thực hiện hồi quy tuyến tính đơn giản chỉ sử dụng số giờ đã nghiên cứu làm biến giải thích Kết quả của phân tích hồi quy tuyến tính đơn giản này có thể được tìm thấy ở đây Tài nguyên bổ sungKhi bạn thực hiện hồi quy tuyến tính bội, có một số giả định bạn có thể muốn kiểm tra bao gồm Công thức cho hồi quy tuyến tính bội là gì?\textrm{MSE}=\frac{\textrm{SSE}}{n-(k+1)} ước tính \sigma^{2}, phương sai của . Trong công thức, n = kích thước mẫu, k+1 = số hệ số \beta trong mô hình (bao gồm cả hệ số chặn) và \textrm{SSE} = tổng các sai số bình phương. Lưu ý rằng hồi quy tuyến tính đơn giản có k=1 biến dự đoán, vì vậy k+1 = 2.
Bạn có thể chạy hồi quy bội trong Excel không?Excel là một tùy chọn tuyệt vời để chạy nhiều hồi quy khi người dùng không có quyền truy cập vào phần mềm thống kê nâng cao. Quá trình này nhanh chóng và dễ học
Excel sử dụng công thức nào cho hồi quy tuyến tính?SỬ DỤNG MICROSOFT EXCEL
. Y = A + BX + CX^2 + DX^3 +. Đặt giá trị Y của bạn ở cột dọc (cột B), giá trị X ở cột tiếp theo bên phải (cột C), giá trị X^2 ở bên phải giá trị X ( . |