Mi az a többszörös regressziós képlet?
y = mx1 + mx2 + mx3 + bTöbbszörös regressziós képletet alkalmazunk a függő és több független változó közötti kapcsolat elemzésében, és a képletet az Y egyenlet egyenlő plusz bX1 plusz cX2 plusz dX3 plusz E ahol Y függő változó, X1, X2, X3 független változók , az a metszéspont, b, c, d lejtők, és E maradványérték.
Hol,
- Y = a regresszió függő változója
- M = a regresszió meredeksége
- X1 = a regresszió első független változója
- Az x2 = a regresszió második független változója
- Az x3 = a regresszió harmadik független változója
- B = állandó
A regresszióanalízis képletének magyarázata
A többszörös regresszió egy módszer arra, hogy két vagy több független változó segítségével megjósoljuk a függő változót. Ennek az elemzésnek a lefolytatása közben a kutató fő célja a függő változó és a független változók közötti kapcsolat feltárása. A függő változó előrejelzéséhez több független változót választanak, amelyek segíthetnek a függő változó előrejelzésében. Akkor alkalmazzák, amikor a lineáris regresszió nem képes a célt szolgálni. A regresszióanalízis segít annak igazolásában, hogy a prediktor változók elég jók-e ahhoz, hogy elősegítsék a függő változó előrejelzését.
Példák
1. példa
Próbáljuk meg megérteni a többszörös regresszió-elemzés fogalmát egy példa segítségével. Próbáljuk meg kideríteni, hogy milyen összefüggés van az UBER-vezető által megtett távolság, a vezető életkora és a vezető éves tapasztalatszáma között.
A többszörös regresszió kiszámításához lépjen az adatok fülre az Excel programban, majd válassza az adatelemzési lehetőséget. A további eljárás és számítás az itt található cikkre vonatkozik - az Analysis ToolPak az Excel-ben
A fenti példa regressziós képlete a következő lesz:
- y = MX + MX + b
- y = 604,17 * -3,18 + 604,17 * -4,06 + 0
- y = -4377
Ebben a konkrét példában meglátjuk, melyik változó a függő változó, és melyik a független változó. A regressziós egyenlet függő változója az UBER-vezető által megtett távolság, a független változók pedig a vezető életkora és a vezetésben szerzett tapasztalatok száma.
2. példa
Próbáljuk megérteni a többszörös regresszió-elemzés fogalmát egy másik példa segítségével. Próbáljuk meg kideríteni, mi a viszony egy tanuló osztályának GPA-ja, a tanulmányi órák száma és a hallgatók magassága között.
A számításhoz lépjen az adatok fülre az Excel programban, majd válassza az adatelemzési lehetőséget.
A fenti példa regressziós egyenlete a következő lesz:
y = MX + MX + b
y = 1,08 * 0,03 + 1,08 * -. 002 + 0
y = 0,025
Ebben a konkrét példában meglátjuk, melyik változó a függő változó, és melyik a független változó. A regresszió függő változója a GPA, a független változók pedig a tanulási órák és a hallgatók magassága.
3. példa
Próbáljuk megérteni a többszörös regresszió-elemzés fogalmát egy másik példa segítségével. Próbáljuk meg kideríteni, hogy milyen összefüggés van egy szervezet alkalmazotti csoportjának fizetése és a tapasztalati évek száma, valamint a munkavállalók életkora között.
A számításhoz lépjen az adatok fülre az Excel programban, majd válassza az adatelemzési lehetőséget.
A fenti példa regressziós egyenlete a következő lesz:
- y = MX + MX + b
- y = 41308 * .- 71 + 41308 * -824 + 0
- y = -37019
Ebben a konkrét példában meglátjuk, melyik változó a függő változó, és melyik a független változó. A regressziós egyenlet függő változója a fizetés, a független változók pedig a munkavállalók tapasztalata és kora.
Relevancia és felhasználás
A többszörös regresszió nagyon hasznos statisztikai módszer. A regresszió nagyon fontos szerepet játszik a pénzügyi világban. Sok előrejelzést végeznek regresszióanalízissel. Például egy adott szegmens eladása előre megjósolható makroökonómiai mutatók segítségével, amelyek nagyon jó összefüggésben vannak az adott szegmenssel.
