Video: Calling All Cars: The Blonde Paper Hanger / The Abandoned Bricks / The Swollen Face 2024
Lineaire regressie is een geweldige tool om voorspellingen te doen met Excel. Wanneer u de helling en het snijpunt van de lijn kent die twee variabelen relateren, kunt u een nieuwe x- -waarde nemen en een nieuwe y- waarde voorspellen. In het voorbeeld waaraan je hebt gewerkt, neem je een SAT-score en voorspel je een GPA voor een student van de Universiteit van Sahutsket.
Stel dat u meer wist dan alleen de SAT-score voor elke student? Stel dat u het gemiddelde van de middelbare school had (op een schaal van 100) en dat u die informatie ook zou kunnen gebruiken? Als u de SAT-score zou kunnen combineren met het HS-gemiddelde, heeft u mogelijk een meer accurate voorspeller dan alleen SAT-score.
Als u met meer dan één onafhankelijke variabele werkt, bent u in het rijk van meerdere regressie. Net als bij lineaire regressie, vindt u regressiecoëfficiënten voor de best passende lijn door een scatterplot. Opnieuw betekent het beste dat de som van de vierkante afstanden van de gegevenspunten tot de lijn minimaal is.
Met twee onafhankelijke variabelen kunt u echter geen scatterplot in twee dimensies weergeven. Je hebt drie dimensies nodig, en dat wordt moeilijk om te tekenen.
Voor het SAT-GPA-voorbeeld vertaalt de regressievergelijking
Voorspelde GPA = a + b 1 (SAT) + b 2 (High School Average)
U kunt hypotheses over de algehele fit en over alle drie de regressiecoëfficiënten testen.
Laten we eens kijken naar de Excel-mogelijkheden voor het vinden van coëfficiënten.
Een paar dingen om in gedachten te houden:
- U kunt een willekeurig aantal x- variabelen gebruiken.
- Verwacht dat de coëfficiënt voor SAT verandert van lineaire regressie naar meervoudige regressie. Verwacht ook dat het snijpunt verandert.
- Verwacht dat de standaardfout van schatting afneemt van lineaire regressie naar meervoudige regressie. Omdat meervoudige regressie meer informatie gebruikt dan lineaire regressie, wordt de fout verminderd.