Regresioni linear është një mjet i shkëlqyeshëm për të bërë parashikime me Excel. Kur e dini pjerrësinë dhe ndërprerjen e vijës që lidh dy variabla, mund të merrni një vlerë të re x dhe të parashikoni një vlerë të re y . Në shembullin me të cilin keni punuar, ju merrni një rezultat SAT dhe parashikoni një GPA për një student të Universitetit Sahutsket.
Po sikur të dinit më shumë se vetëm rezultatin SAT për secilin student? Po sikur të kishit mesataren e shkollës së mesme të nxënësit (në një shkallë 100) dhe mund ta përdornit edhe atë informacion? Nëse mund të kombinoni rezultatin SAT me mesataren e HS, mund të keni një parashikues më të saktë se sa rezultati SAT vetëm.
Kur punoni me më shumë se një ndryshore të pavarur, ju jeni në fushën e regresionit të shumëfishtë . Ashtu si në regresionin linear, ju gjeni koeficientët e regresionit për vijën më të përshtatshme përmes një grafiku shpërhapjeje. Edhe një herë, përshtatja më e mirë do të thotë që shuma e distancave në katror nga pikat e të dhënave në vijë është minimale.
Megjithatë, me dy variabla të pavarura, nuk mund të shfaqësh një grafik shpërhapjeje në dy dimensione. Ju duhen tre dimensione, dhe kjo bëhet e vështirë për t'u vizatuar.
Për shembullin SAT-GPA, ekuacioni i regresionit përkthehet në
GPA e parashikuar =a+b1(SAT)+b2(mesatarja e shkollës së mesme)
Ju mund të testoni hipotezat për përshtatjen e përgjithshme dhe për të tre koeficientët e regresionit.
Le të shqyrtojmë aftësitë e Excel për gjetjen e koeficientëve.
Disa gjëra për të pasur parasysh:
- Ju mund të keni çdo numër të ndryshoreve x .
- Prisni që koeficienti për SAT të ndryshojë nga regresioni linear në regresion të shumëfishtë. Prisni që ndërprerja të ndryshojë gjithashtu.
- Prisni që gabimi standard i vlerësimit të ulet nga regresioni linear në regresion të shumëfishtë. Për shkak se regresioni i shumëfishtë përdor më shumë informacion sesa regresioni linear, ai redukton gabimin.