Tung hứng nhiều mối quan hệ cùng một lúc trong Excel: Hồi quy nhiều - núm vú

Hồi quy tuyến tính là một công cụ tuyệt vời để làm cho dự đoán với Excel. Khi bạn biết độ dốc và sự đánh chặn của đường liên quan đến hai biến, bạn có thể lấy giá trị mới x- và dự đoán giá trị y- mới. Trong ví dụ bạn đã làm việc thông qua, bạn có một điểm SAT và dự đoán GPA cho một sinh viên Đại học Sahutsket. Nếu bạn biết nhiều hơn chỉ là điểm SAT cho mỗi học sinh? Điều gì xảy ra nếu bạn có điểm trung bình của học sinh trung bình (trên thang 100), và bạn cũng có thể sử dụng thông tin đó? Nếu bạn có thể kết hợp điểm SAT với trung bình HS, bạn có thể có một dự báo chính xác hơn so với điểm SAT.

Khi bạn làm việc với nhiều biến độc lập, bạn đang ở trong lĩnh vực hồi quy

nhiều. Như trong hồi quy tuyến tính, bạn tìm thấy các hệ số hồi quy cho dòng thích hợp nhất thông qua một scatterplot. Một lần nữa, phù hợp nhất có nghĩa là tổng của khoảng cách bình phương từ các điểm dữ liệu đến đường dây là tối thiểu. Tuy nhiên, với hai biến độc lập, bạn không thể hiển thị một điểm phân tán theo hai chiều. Bạn cần ba chiều, và điều đó trở nên khó vẽ.

Đối với ví dụ SAT-GPA, phương trình hồi quy chuyển thành

Dự đoán GPA = a + b

1 _{(SAT) + b} 2 _{(High School Average)} Bạn có thể kiểm tra các giả thuyết về sự phù hợp tổng thể và về cả ba hệ số hồi quy.

Hãy kiểm tra khả năng Excel để tìm ra các hệ số.

Một số điều cần lưu ý:

Bạn có thể có bất kỳ số biến nào

• x-. Yêu cầu hệ số cho SAT thay đổi từ hồi quy tuyến tính sang hồi quy nhiều. Mong đợi sự đánh chặn cũng sẽ thay đổi.
• Mong đợi sai số chuẩn ước tính giảm từ hồi quy tuyến tính sang hồi quy nhiều. Bởi vì hồi quy nhiều sử dụng nhiều thông tin hơn hồi quy tuyến tính, nó làm giảm sai sót.