Che cos'è una formula di regressione multipla?
y = mx1 + mx2 + mx3 + bLa formula di regressione multipla viene utilizzata nell'analisi della relazione tra variabili dipendenti e multiple indipendenti e la formula è rappresentata dall'equazione Y è uguale a più bX1 più cX2 più dX3 più E dove Y è variabile dipendente, X1, X2, X3 sono variabili indipendenti , a è l'intercetta, b, c, d sono pendenze ed E è il valore residuo.

Dove,
- Y = la variabile dipendente della regressione
- M = pendenza della regressione
- X1 = prima variabile indipendente della regressione
- La x2 = seconda variabile indipendente della regressione
- La x3 = terza variabile indipendente della regressione
- B = costante
Spiegazione della formula di analisi della regressione
Le regressioni multiple sono un metodo per prevedere la variabile dipendente con l'aiuto di due o più variabili indipendenti. Durante l'esecuzione di questa analisi, lo scopo principale del ricercatore è scoprire la relazione tra la variabile dipendente e le variabili indipendenti. Per prevedere la variabile dipendente, vengono scelte più variabili indipendenti, che possono aiutare a prevedere la variabile dipendente. Viene utilizzato quando la regressione lineare non è in grado di servire allo scopo. L'analisi di regressione aiuta nel processo di convalida se le variabili predittori sono sufficientemente buone da aiutare a prevedere la variabile dipendente.
Esempi
Esempio 1
Cerchiamo di comprendere il concetto di analisi di regressioni multiple con l'aiuto di un esempio. Cerchiamo di scoprire qual è la relazione tra la distanza percorsa da un conducente UBER e l'età del conducente e il numero di anni di esperienza del conducente.

Per il calcolo della regressione multipla, vai alla scheda Dati in Excel, quindi seleziona l'opzione di analisi dei dati. Per l'ulteriore procedura e calcolo, fare riferimento all'articolo fornito qui - Strumenti di analisi in Excel

La formula di regressione per l'esempio precedente sarà
- y = MX + MX + b
- y = 604,17 * -3,18 + 604,17 * -4,06 + 0
- y = -4377
In questo particolare esempio, vedremo quale variabile è la variabile dipendente e quale variabile è la variabile indipendente. La variabile dipendente in questa equazione di regressione è la distanza percorsa dal conducente UBER e le variabili indipendenti sono l'età del conducente e il numero di esperienze che ha nella guida.
Esempio n. 2
Cerchiamo di comprendere il concetto di analisi di regressioni multiple con l'aiuto di un altro esempio. Cerchiamo di scoprire qual è la relazione tra il GPA di una classe di studenti e il numero di ore di studio e l'altezza degli studenti.

Per il calcolo, vai alla scheda Dati in Excel e quindi seleziona l'opzione di analisi dei dati.

L'equazione di regressione per l'esempio precedente sarà
y = MX + MX + b
y = 1,08 * 0,03 + 1,08 * -. 002 + 0
y = 0,0325
In questo particolare esempio, vedremo quale variabile è la variabile dipendente e quale variabile è la variabile indipendente. La variabile dipendente in questa regressione è il GPA e le variabili indipendenti sono le ore di studio e l'altezza degli studenti.
Esempio n. 3
Cerchiamo di comprendere il concetto di analisi di regressioni multiple con l'aiuto di un altro esempio. Cerchiamo di scoprire qual è la relazione tra lo stipendio di un gruppo di dipendenti in un'organizzazione e il numero di anni di esperienza e l'età dei dipendenti.

Per il calcolo, vai alla scheda Dati in Excel e quindi seleziona l'opzione di analisi dei dati.

L'equazione di regressione per l'esempio precedente sarà
- y = MX + MX + b
- y = 41308 * .- 71 + 41308 * -824 + 0
- y = -37019
In questo particolare esempio, vedremo quale variabile è la variabile dipendente e quale variabile è la variabile indipendente. La variabile dipendente in questa equazione di regressione è lo stipendio e le variabili indipendenti sono l'esperienza e l'età dei dipendenti.
Rilevanza e utilizzo
Le regressioni multiple sono un metodo statistico molto utile. La regressione gioca un ruolo molto importante nel mondo della finanza. Molte previsioni vengono eseguite utilizzando l'analisi di regressione. Ad esempio, le vendite di un particolare segmento possono essere previste in anticipo con l'aiuto di indicatori macroeconomici che hanno un'ottima correlazione con quel segmento.