Malabarismo muitos relacionamentos de uma só vez no excel: regressão múltipla

Video: Regressão Linear Múltipla - Introdução

A regressão linear é uma grande ferramenta para fazer previsões com Excel. Quando você sabe o declive ea intercepção da linha que relaciona duas variáveis, você pode tomar um novo X-valor e prever uma nova y-valor. No exemplo que você tem trabalhado através, você toma uma pontuação SAT e prever um GPA de um estudante da Universidade Sahutsket.

E se você soubesse mais do que apenas a pontuação SAT para cada aluno? E se você tivesse média-alta escola do aluno (em uma escala de 100), e você pode usar essa informação, também? Se você pode combinar pontuação SAT com HS média, você pode ter um preditor mais preciso do que SAT marcar sozinho.

Quando você trabalha com mais de uma variável independente, você está no reino da múltiplo regressão. Como em regressão linear, você encontra coeficientes de regressão para a linha mais apropriado através de um gráfico de dispersão. De novo, mais apropriado significa que a soma das distâncias ao quadrado dos pontos de dados para a linha é um mínimo.

Video: REGRESSÃO MÚLTIPLA DUMMY

Com duas variáveis ​​independentes, no entanto, você não pode mostrar um gráfico de dispersão em duas dimensões. Você precisa de três dimensões, e que se torna difícil de traçar.

Para o exemplo SAT-GPA, a equação de regressão traduz

Video: Análise de regressão múltipla sem sequelas, traumas ou lesões

Previu GPA = a + b₁(SAT) + b₂(Médio Ensino Médio)

Você pode testar hipóteses sobre o ajuste global, e sobre todos os três dos coeficientes de regressão.

Vamos verificar as capacidades do Excel para encontrar coeficientes.

Algumas coisas a ter em conta:

Video: 4 - Regressão múltipla - ETV

• Você pode ter qualquer número de X-variáveis.
• Espere o coeficiente para SAT para mudar de regressão linear para regressão múltipla. Esperar a interceptação de mudar também.
• Espere o erro padrão da estimativa para diminuir a partir de regressão linear para regressão múltipla. Porque regressão múltipla utiliza mais informação do que a regressão linear, reduz o erro.