Malabarismo Muitas relações de uma vez no Excel: regressão linear múltipla - dummies

A regressão linear é uma ótima ferramenta para fazer previsões com o Excel. Quando você conhece a inclinação e a intercepção da linha que relaciona duas variáveis, você pode ter um novo valor x- e prever um novo valor y-. No exemplo em que você trabalhou, você toma um escore SAT e prevê um GPA para um estudante da Universidade Sahutsket.

E se você soubesse mais do que apenas o escore SAT para cada aluno? E se você tivesse a média do ensino médio do aluno (em uma escala de 100), e você também poderia usar essa informação? Se você pudesse combinar o escore SAT com a média HS, você pode ter um preditor mais preciso do que o resultado SAT sozinho.

Quando você trabalha com mais de uma variável independente, você está no reino de múltipla regressão. Como na regressão linear, você encontra os coeficientes de regressão para a linha de melhor ajuste através de um diagrama de dispersão. Mais uma vez, melhor ajuste significa que a soma das distâncias quadradas dos pontos de dados para a linha é mínima.

Com duas variáveis ​​independentes, no entanto, você não pode mostrar um diagrama de dispersão em duas dimensões. Você precisa de três dimensões, e isso torna-se difícil de desenhar.

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

GPA previsto = a + b ₁ (SAT) + b ₂ (High School Average)

Você pode testar hipóteses sobre o ajuste geral e sobre os três coeficientes de regressão.

Vamos verificar as capacidades do Excel para encontrar coeficientes.

Algumas coisas a ter em mente:

• Você pode ter qualquer número de variáveis ​​ x-.
• Espere o coeficiente para SAT mudar de regressão linear para regressão múltipla. Espere a intercepção para mudar também.
• Espere que o erro padrão da estimativa diminua de regressão linear para regressão múltipla. Como a regressão múltipla usa mais informações do que a regressão linear, ela reduz o erro.