Lineārā regresija ir lielisks rīks prognožu veikšanai programmā Excel. Ja zināt taisnes slīpumu un krustpunktu, kas attiecas uz diviem mainīgajiem, varat iegūt jaunu x vērtību un paredzēt jaunu y vērtību. Piemērā, kuru izskatījāt, jūs ņemat SAT rezultātu un prognozējat GPA Sahutsket universitātes studentam.
Kā būtu, ja jūs zinātu vairāk nekā tikai katra studenta SAT rezultātu? Kā būtu, ja jums būtu skolēna vidējais rādītājs vidusskolā (100 skalā) un jūs varētu izmantot arī šo informāciju? Ja jūs varētu apvienot SAT rezultātu ar HS vidējo rādītāju, jums varētu būt precīzāks prognozētājs nekā tikai SAT rezultāts.
Strādājot ar vairāk nekā vienu neatkarīgu mainīgo, jūs atrodaties vairākkārtējas regresijas jomā. Tāpat kā lineārajā regresijā, regresijas koeficienti vislabāk atbilst līnijai, izmantojot izkliedes diagrammu. Vēlreiz vislabākā atbilstība nozīmē, ka attālumu kvadrātā summa no datu punktiem līdz līnijai ir minimāla.
Tomēr, ja ir divi neatkarīgi mainīgie, jūs nevarat parādīt izkliedes diagrammu divās dimensijās. Jums ir nepieciešami trīs izmēri, un to ir grūti uzzīmēt.
SAT-GPA piemērā regresijas vienādojums nozīmē
Paredzamais GPA =a+b1(SAT)+b2(vidējais rādītājs vidusskolā)
Varat pārbaudīt hipotēzes par vispārējo atbilstību un par visiem trim regresijas koeficientiem.
Apskatīsim Excel iespējas koeficientu atrašanai.
Dažas lietas, kas jāpatur prātā:
- Jums var būt jebkurš x mainīgo skaits.
- Sagaidiet, ka SAT koeficients mainīsies no lineārās regresijas uz daudzkārtēju regresiju. Gaidiet, ka mainīsies arī pārtveršana.
- Sagaidiet, ka aplēses standarta kļūda samazināsies no lineārās regresijas uz daudzkārtēju regresiju. Tā kā vairākkārtējai regresijai tiek izmantots vairāk informācijas nekā lineārajai regresijai, tā samazina kļūdu.