Slik leser du Lineær regresjon sammendrag i Microsoft Excel 2003

Slik leser du Lineær regresjon sammendrag i Microsoft Excel 2003


Microsoft Excel er verdens ledende regneark programvare. Fagfolk i nesten alle bransjer bruker den til å analysere alle typer data, fra finansielle rapporter til sensoravlesninger. En av de kraftigste funksjonene i Excel er dens regresjonsanalyse verktøy. Du kan ta to datasett og bruke Excel lineær regresjonsanalyse for å finne sammenhenger mellom dem.

Bruksanvisning

1 Høyreklikk på regresjon linje i diagrammet, og velg Egenskaper. Sjekk "Display ligningen på Oversikt" og "Display R-kvadrert verdi i diagrammet". Klikk på OK.

2 Se på R-kvadrert verdi vises ved siden av regresjonslinjen. R-kvadratverdien representerer mengden av variabilitet i de data som er forklart av lineær regresjonsanalyse. Dersom alle data ligger nøyaktig på regresjonslinjen, vil R-kvadratverdien være 1. Hvis R-kvadratverdien er 0, betyr dette at det ikke er noen korrelasjon mellom de to datasettene.

3 Snu oppmerksomheten til ligningen oppført over R-kvadrert verdi. Det vil være av formen "y = mx + b", der m og b har blitt erstattet av tall. Denne ligningen beskriver den lineære regresjonslinjen. "M" -verdien er helningen av linjen, og "b" verdi er det sted hvor linjen krysser den vertikale aksen. Du kan bruke denne ligningen til å forutsi verdier i datasettet basert på verdien på den horisontale aksen; bare multiplisere horisontal plassering av "m" verdi og deretter legge til "b" verdi for resultatet; dette vil gi deg det beste estimatet av plasseringen av det punktet basert på lineær regresjonsanalyse.

4 Ser på skråningen av linjen. Hvis det skråner nedover mot høyre, er dataene "negativt korrelert," hvis det skråner oppover, blir dataene "positivt korrelert." Positiv korrelasjon betyr at datasettene har en tendens til å være enig med eller forsterke hverandre; negativ korrelasjon betyr at de har en tendens til å være på kant eller gjensidig utelukkende.

Hint

  • Man kan ofte øyeeplet nøyaktigheten av lineær regresjon; hvis datapunktene er samlet tett rundt linjen, er det sannsynlig å ha en høy grad av korrelasjon. Du bør også sørge for at dataene er omtrent linjeformet - hvis det ikke er det, kanskje du burde prøve en ikke-lineær regresjon.