Kako preberem Preostale parcel v Excelu ?

Regresijska analiza se uporablja za napovedovanje rezultatov na neodvisno spremenljivko , ki je znan kot "X" s pomočjo znanih rezultate na eno ali več odvisnih spremenljivk , znanih kot " y ". Linearna regresijska analiza matematično izračuna enačbo za premico , ki služi kot napovedni model. Glede na spletno stran , Stat Trek , ostanki predstavljajo navpično razdaljo med vsako pridobljenih podatkov točki neodvisne spremenljivke iz te ravne linije . Microsoft Excel 2007 proizvaja parcelo od ostankov , ki jih je razlagati , da oceni ustreznost uporabe linearne regresije model.Things boste potrebovali
Microsoft Excel 2007
Proste Prikaži več navodil

1

Ugotovite x in Y spremenljivk v regresijo . X spremenljivka ali neodvisna spremenljivka predstavlja rezultat , ki ga želite izmeriti . Spremenljivke, y ali odvisne spremenljivke so vhodi ali napovedujejo . Na primer, če želite oblikovati model napoveduje številne ER sprejemovoseba, ki bi jih s pomočjo števila funtov s prekomerno telesno težo in število delovnih ur na teden , so odvisne spremenljivke so število kilogramov s prekomerno telesno težo in število delovnih ur na teden , medtem ko je neodvisna spremenljivka je število ER sprejemov .
2

Razumem, dax - os preostale parcele vsebuje vse vrednosti x spremenljivke v vzorcu. V tem primeru , če je bilonajvečje število ER sprejemi kdorkoli v vzorcu je imel 15 , najnižjega pa nič,lestvica bi začeli na ničlo in se razširi navzgor v korakih po eno na najvišjo vrednost 15.

3

Več o tem, da se glasi y- os preostale parcele . Y - os predstavlja ostanke . Če jenajvečja razdalja med pridobljenih podatkov točko in s predvidevanjem ravne črte 15 innajmanjša razdalja je enaka nič , bi se ta lestvica začne z ničlo in razširiti navzgor v korakih po eno na najvišjo vrednost 15. Microsoft Excel 2007 proizvede eno graf za vsak y spremenljivke .
4

Razumem, da jeravna črta na grafunapovedna vrstica, ki opisuje najbolje prilega, razmerje med x in y spremenljivke upodobljenih . Vrstica je lahko horizontalno , poševno navzgor ali nagnjena navzdol , odvisno od narave razmerja med x in y upodobljenih .
5

Poglejte širjenja pik zgoraj in spodaj ravne črte napovedno . Če jeenako število točk nad linijo kot pod njim , linearna regresija , je primerno, da se opisati odnos med x in y upodobljenih .
6

Poglej za vzorce razpršitev . Če podatki v grozdih , ki ni ravno črto obliko , kot je "U ", ali če podatki točkah niso enakomerno razpršeni nad in pod ravno črto s predvidevanjem , linearna regresija , ni primerna in jo je treba uporabiti nelinearni modeli .