Regressione lineare di Excel
La regressione lineare è uno strumento statistico in Excel utilizzato come modello di analisi predittiva per verificare la relazione tra due insiemi di dati di variabili. Usando questa analisi, possiamo stimare la relazione tra due o più variabili. Possiamo vedere due tipi di variabili, ovvero "Variabile dipendente e Variabile indipendente".
- La variabile dipendente è il fattore che stiamo cercando di stimare.
- La variabile indipendente è la cosa che influenza la variabile dipendente.
Quindi, utilizzando la regressione lineare excel, possiamo effettivamente vedere come la variabile dipendente subisce i cambiamenti quando cambia la variabile indipendente e ci aiuta a decidere matematicamente quale variabile ha un impatto reale.
Come aggiungere lo strumento di analisi dei dati di regressione lineare in Excel?
La regressione lineare in Excel è disponibile in Analysis Toolpak, che è uno strumento nascosto in Excel. Questo può essere trovato nella scheda Dati.
Questo strumento non è visibile finché l'utente non lo abilita. Per abilitarlo, segui i passaggi seguenti.
- Passaggio 1: vai su FILE >> Opzioni.
- Passaggio 2: fare clic su "Componenti aggiuntivi" in "Opzioni di Excel".
- Passaggio 3: selezionare "Componenti aggiuntivi di Excel" in Gestisci elenco a discesa in Excel e fare clic su "Vai".
- Passaggio 4: selezionare la casella "Strumenti di analisi" in "Componenti aggiuntivi".
Ora dovremmo vedere l'opzione "Analysis Toolpak" nella scheda "Data".
Con questa opzione, possiamo condurre molte opzioni di "analisi dei dati". Vediamo ora alcuni esempi.
Esempi
Come ho detto, l'eccellenza della regressione lineare consiste di due cose, ovvero "variabili dipendenti e indipendenti". Per questo esempio, userò i dati seguenti dei dati di vendita della giacca della stagione invernale con la temperatura in ogni mese.
Abbiamo la temperatura media di ogni mese e i dati sulla giacca venduta. Qui abbiamo bisogno di sapere quale è indipendente e quali sono le variabili dipendenti.
Qui "Temperatura" è la variabile indipendente perché non è possibile controllare la temperatura, quindi questa è la variabile indipendente.
"Giacche vendute" è la variabile dipendente perché, in base all'aumento e alla diminuzione della temperatura, la vendita della giacca varia.
Ora faremo l'analisi di regressione lineare excel per questi dati.
- Passaggio 1: fare clic sulla scheda Dati e Analisi dei dati.
- Passaggio 2: dopo aver fatto clic su "Analisi dati", vedremo la finestra sottostante. Scorri verso il basso e seleziona "Regressione" in Excel.
- Passaggio 3: selezionare l'opzione "Regressione" e fare clic su "Ok" per aprire la finestra sottostante.
- Passaggio 4: "Input Y Range" è la variabile dipendente, quindi in questo caso, la nostra variabile dipendente è "Giacche vendute" .
- Passaggio 5: "Input X Range" è la variabile indipendente, quindi in questo caso, la nostra variabile indipendente è costituita dai dati "Temperature" .
- Passaggio 6: selezionare l'intervallo di output come una delle celle.
- Passaggio 7: per ottenere la differenza tra i valori previsti e i valori effettivi, selezionare la casella "Residui".
- Passaggio 8: fare clic su OK; avremo l'analisi di seguito.
La prima parte dell'analisi è "Statistiche di regressione".
R multipla: questo calcolo si riferisce al coefficiente di correlazione, che misura la forza di una relazione lineare tra due variabili. Il coefficiente di correlazione è il valore compreso tra -1 e 1.
- 1 Indica una forte relazione positiva.
- -1 indica una forte relazione negativa.
- 0 indica nessuna relazione.
R Quadrato: è il coefficiente di determinazione utilizzato per indicare la bontà di adattamento.
R quadrato rettificato: questo è il valore rettificato per R quadrato in base al numero di variabili indipendenti nel set di dati.
Cose da ricordare
- Possiamo anche usare la funzione LINEST in excel.
- È necessaria una buona conoscenza delle statistiche per interpretare i dati.
- Se l'analisi dei dati non è visibile nella scheda Dati, è necessario abilitare questa opzione sotto l'opzione dei componenti aggiuntivi.
