? Регресионният анализ се използва за прогнозиране на резултати на една независима променлива , известен като „х „, чрез използване на известни резултати на едно или повече зависими променливи , известни като „у -те години. “ Линеен регресионен анализ математически изчислява уравнението за права линия, която служи като предсказуем модел . Според сайта , Stat Trek , остатъци представляват вертикалното разстояние между всяка получена точка данни на независимата променлива от тази права линия. Microsoft Excel 2007 произвежда парцел на остатъците , които трябва да се тълкуват за оценка на целесъобразността от използването на линейни регресионни model.Things ви е нужно
Microsoft Excel 2007

Показване повече инструкции

1

Идентифициране на х и у променливите в регресия. Променливата х или независима променлива представлява резултата, който искате да измерите . Променливи Y или зависими променливи са входовете или предиктори . Например, ако искате да се изработи модел за предсказване на редица ER признания човек ще трябва с помощта на няколко килограма наднормено тегло и брой на отработените часове на седмица , зависимите променливи са няколко килограма наднормено тегло и брой на отработените часове на седмица , докато независимата променлива е номер на ER признания .

2

Разберете, че х – оста на остатъчен парцел съдържа всички стойности на променливата х в пробата. В този пример, ако най-голям брой ER признания никого в извадката имаха, беше 15 , а най-ниската е нула , мащабът ще започне от нулата и да удължи нагоре в стъпка от една до максималната стойност от 15

3

Научете се да прочетете Y – оста на остатъчния парцела. Вертикалната ос представлява остатъците . Ако разстоянието между най-голямата получена точка данни и предсказаната права линия 15 и на малкото разстояние е нула , тази скала ще започне в нула и разширяване нагоре в стъпки от един до максималната стойност от 15 Microsoft Excel 2007 произвежда една графика за всеки Y – променлива.

4

Разберете, че правата линия на графиката е предсказуем линия, която описва най-добре добре връзката между X и Y – променлива показани графично . Линията може да бъде хоризонтален, наклонен нагоре, или наклонени надолу в зависимост от естеството на връзката между X и Y се начертава .

5

Погледнете разпространението на точки над и под прав предсказуем линия . Ако има равен брой точки над линията като под него , линейна регресия е уместно да се опише връзката между X и Y се начертава .

6

Потърсете модели на Деконцентрацията . Ако данни е в клъстери , с форма, различна от права линия , като “ U “ или ако точки данни не са равномерно разпръснати над и под прав предсказуем линия , линейна регресия не е подходящ и трябва да се използва нелинейни модели .