Ζεύγος Πολλές σχέσεις σε μία φορά στο Excel: Πολλαπλή παλινδρόμηση

Η γραμμική παλινδρόμηση είναι ένα εξαιρετικό εργαλείο για την πραγματοποίηση προβλέψεων με το Excel. Όταν γνωρίζετε την κλίση και τη διακλάδωση της γραμμής που σχετίζεται με δύο μεταβλητές, μπορείτε να πάρετε μια νέα τιμή x- και να προβλέψετε μια νέα τιμή y-. Στο παράδειγμα στο οποίο εργάζεστε, παίρνετε ένα σκορ SAT και προβλέπετε μια ΣΔΣ για έναν φοιτητή του Πανεπιστημίου Sahutsket.

Τι θα συμβεί αν γνωρίζατε περισσότερα από τα αποτελέσματα του SAT για κάθε μαθητή; Τι θα συμβεί αν είχατε τον μέσο όρο του μαθητή (σε κλίμακα 100) και θα μπορούσατε να χρησιμοποιήσετε και αυτές τις πληροφορίες; Εάν θα μπορούσατε να συνδυάσετε το σκορ SAT με το μέσο όρο του HS, ίσως έχετε έναν ακριβέστερο προγνωστικό παράγοντα απ 'ότι η βαθμολογία SAT.

Όταν εργάζεστε με περισσότερες από μία ανεξάρτητες μεταβλητές, βρίσκεστε στο πεδίο της παλινδρόμησης πολλαπλών. Όπως και στην γραμμική παλινδρόμηση, βρίσκετε συντελεστές παλινδρόμησης για την καλύτερη προσαρμογή γραμμής μέσω ενός scatterplot. Και πάλι, το καλύτερο-fit σημαίνει ότι το άθροισμα των τετραγωνικών αποστάσεων από τα δεδομένα δείχνει προς τη γραμμή είναι ένα ελάχιστο.

Ωστόσο, με δύο ανεξάρτητες μεταβλητές δεν μπορείτε να εμφανίσετε ένα scatterplot σε δύο διαστάσεις. Χρειάζεστε τρεις διαστάσεις και αυτό γίνεται δύσκολο να σχεδιαστεί.

Προβλεπόμενη GPA = a + b

1 _{(SAT) + b} 2 _{Μέσος Γυμνάσιος)} Μπορείτε να δοκιμάσετε υποθέσεις σχετικά με τη συνολική προσαρμογή και τους τρεις συντελεστές παλινδρόμησης.

Ας δούμε τις δυνατότητες του Excel για τον εντοπισμό συντελεστών.

Λίγα πράγματα που πρέπει να θυμάστε:

Μπορείτε να έχετε κάθε αριθμό μεταβλητών

• x-. Προσδοκώ τον συντελεστή για το SAT να αλλάξει από γραμμική παλινδρόμηση σε πολλαπλή παλινδρόμηση. Περιμένετε και την αλλαγή για να αλλάξετε.
• Προσδοκώστε το τυπικό σφάλμα εκτίμησης να μειωθεί από τη γραμμική παλινδρόμηση στην πολλαπλή παλινδρόμηση. Επειδή η πολλαπλή παλινδρόμηση χρησιμοποιεί περισσότερες πληροφορίες από τη γραμμική παλινδρόμηση, μειώνει το σφάλμα.