Formula Analisis Regresi

Formula Analisis Regresi

Analisis regresi adalah analisis hubungan antara pemboleh ubah bersandar dan bebas kerana ia menggambarkan bagaimana pemboleh ubah bersandar akan berubah apabila satu atau lebih pemboleh ubah bebas berubah kerana faktor, formula untuk mengira ia adalah Y = a + bX + E, di mana Y adalah pemboleh ubah bersandar, X adalah pemboleh ubah bebas, a ialah pintasan, b adalah cerun dan E adalah baki.

Regresi adalah alat statistik untuk meramalkan pemboleh ubah bersandar dengan bantuan satu atau lebih daripada satu pemboleh ubah tidak bersandar. Semasa menjalankan analisis regresi, tujuan utama pengkaji adalah untuk mengetahui hubungan antara pemboleh ubah bersandar dan pemboleh ubah tidak bersandar. Untuk meramalkan pemboleh ubah bersandar dipilih satu atau beberapa pemboleh ubah bebas yang dapat membantu dalam meramalkan pemboleh ubah bersandar. Ini membantu dalam proses mengesahkan sama ada pemboleh ubah peramal cukup baik untuk membantu dalam meramalkan pemboleh ubah bersandar.

Rumus analisis regresi cuba mencari garis yang paling sesuai untuk pemboleh ubah bersandar dengan bantuan pemboleh ubah tidak bersandar. Persamaan analisis regresi adalah sama dengan persamaan untuk garis yang

y = MX + b

Di mana,

  • Y = pemboleh ubah bersandar dari persamaan regresi
  • M = cerun persamaan regresi
  • x = pemboleh ubah bersandar dari persamaan regresi
  • B = pemalar persamaan

Penjelasan

Semasa menjalankan regresi, tujuan utama pengkaji adalah untuk mengetahui hubungan antara pemboleh ubah bersandar dan pemboleh ubah tidak bersandar. Untuk meramalkan pemboleh ubah bersandar dipilih satu atau beberapa pemboleh ubah bebas yang dapat membantu dalam meramalkan pemboleh ubah bersandar. Analisis regresi membantu dalam proses mengesahkan sama ada pemboleh ubah peramal cukup baik untuk membantu dalam meramalkan pemboleh ubah bersandar.

Contoh

Anda boleh memuat turun Templat Formula Excel Analisis Regresi ini di sini - Templat Formula Excel Analisis Regresi

Contoh # 1

Marilah kita mencuba dan memahami konsep analisis regresi dengan bantuan contoh. Marilah kita berusaha untuk mengetahui apakah hubungan antara jarak yang dilalui oleh pemandu trak dan usia pemandu trak. Seseorang sebenarnya melakukan persamaan regresi untuk mengesahkan sama ada apa yang difikirkannya mengenai hubungan antara dua pemboleh ubah, juga disahkan oleh persamaan regresi. 

Di bawah ini diberikan data untuk pengiraan

Untuk pengiraan Analisis Regresi pergi ke tab Data di excel dan kemudian pilih pilihan analisis data. Untuk prosedur pengiraan selanjutnya, lihat artikel yang diberikan di sini - Analisis ToolPak di Excel

Formula analisis regresi untuk contoh di atas adalah

  • y = MX + b
  • y = 575.754 * -3.121 + 0
  • y = -1797

Dalam contoh khusus ini, kita akan melihat pemboleh ubah mana yang merupakan pemboleh ubah bersandar dan pemboleh ubah mana yang merupakan pemboleh ubah bebas. Pemboleh ubah bersandar dalam persamaan regresi ini adalah jarak yang dilalui oleh pemandu trak dan pemboleh ubah bebas adalah umur pemandu trak. Regresi untuk set pemboleh ubah bersandar dan bebas ini membuktikan bahawa pemboleh ubah bebas adalah peramal yang baik bagi pemboleh ubah bersandar dengan pekali penentuan yang cukup tinggi. Analisis ini membantu dalam mengesahkan bahawa faktor-faktor dalam bentuk pemboleh ubah bebas dipilih dengan betul. Ringkasan di bawah menggambarkan output regresi untuk pemboleh ubah. Kumpulan data dan pemboleh ubah ditunjukkan dalam lembaran excel yang dilampirkan.

Contoh # 2

Mari kita cuba dan memahami analisis regresi dengan bantuan contoh lain. Marilah kita berusaha untuk mengetahui apa hubungan antara ketinggian pelajar kelas dan gred IPK pelajar tersebut. Seseorang sebenarnya melakukan persamaan regresi untuk mengesahkan sama ada apa yang difikirkannya mengenai hubungan antara dua pemboleh ubah, juga disahkan oleh persamaan regresi.

Dalam contoh ini, Di bawah ini diberikan data untuk pengiraan di excel

Pengiraan analisis regresi, pergi ke tab Data di excel dan kemudian pilih pilihan analisis data.

Regresi untuk contoh di atas adalah

  • y = MX + b
  • y = 2.65 * .0034 + 0
  • y = 0.009198

Dalam contoh khusus ini, kita akan melihat pemboleh ubah mana yang merupakan pemboleh ubah bersandar dan pemboleh ubah mana yang merupakan pemboleh ubah bebas. Pemboleh ubah bersandar dalam persamaan regresi ini adalah IPK pelajar dan pemboleh ubah bebas adalah ketinggian pelajar. Analisis regresi untuk set pemboleh ubah bersandar dan bebas ini membuktikan bahawa pemboleh ubah bebas bukan peramal yang baik bagi pemboleh ubah bersandar kerana nilai untuk pekali penentuan boleh diabaikan. Dalam kes ini, kita perlu mencari pemboleh ubah peramal lain untuk meramalkan pemboleh ubah bersandar untuk analisis regresi. Ringkasan di bawah menggambarkan output regresi untuk pemboleh ubah. Kumpulan data dan pemboleh ubah ditunjukkan dalam lembaran excel yang dilampirkan.

Perkaitan dan Kegunaan

Regresi adalah kaedah statistik yang sangat berguna. Untuk sebarang keputusan perniagaan untuk mengesahkan hipotesis bahawa tindakan tertentu akan menyebabkan peningkatan keuntungan bahagian dapat disahkan berdasarkan hasil regresi antara pemboleh ubah bersandar dan bebas. Persamaan analisis regresi memainkan peranan yang sangat penting dalam dunia kewangan. Banyak ramalan dilakukan dengan menggunakan regresi. Sebagai contoh, penjualan segmen tertentu dapat diramalkan terlebih dahulu dengan bantuan petunjuk makroekonomi yang mempunyai korelasi yang sangat baik dengan segmen tersebut. Kedua-dua regresi linier dan berganda berguna bagi pengamal untuk membuat ramalan pemboleh ubah bersandar dan juga mengesahkan pemboleh ubah bebas sebagai peramal pemboleh ubah bersandar.