Apa itu Formula Regresi Berganda?
Formula regresi berganda digunakan dalam analisis hubungan antara pemboleh ubah bersandar dan pelbagai bebas dan formula diwakili oleh persamaan Y sama dengan tambah bX1 ditambah cX2 ditambah dX3 ditambah E di mana Y adalah pemboleh ubah bersandar, X1, X2, X3 adalah pemboleh ubah bebas , a adalah pintasan, b, c, d adalah cerun, dan E adalah nilai baki.
y = mx1 + mx2 + mx3 + b
Di mana,
- Y = pemboleh ubah bersandar dari regresi
- M = cerun regresi
- X1 = pemboleh ubah bebas pertama dari regresi
- Pemboleh ubah bebas x2 = regresi kedua
- Pemboleh ubah bebas x3 = ketiga regresi
- B = pemalar
Penjelasan Formula Analisis Regresi
Multiple Regression adalah kaedah untuk meramalkan pemboleh ubah bersandar dengan bantuan dua atau lebih pemboleh ubah bebas. Semasa menjalankan analisis ini, tujuan utama pengkaji adalah untuk mengetahui hubungan antara pemboleh ubah bersandar dan pemboleh ubah tidak bersandar. Untuk meramalkan pemboleh ubah bersandar, pelbagai pemboleh ubah bebas dipilih yang dapat membantu dalam meramalkan pemboleh ubah bersandar. Ia digunakan apabila regresi linier tidak dapat memenuhi tujuannya. 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 Berganda Regresi ini di sini - Templat Excel Berganda Regresi FormulaContoh # 1
Mari kita cuba dan memahami konsep analisis regresi berganda dengan bantuan contoh. Marilah kita berusaha untuk mengetahui apakah hubungan antara jarak yang dilalui oleh pemandu UBER dan usia pemandu dengan jumlah pengalaman pemandu.
Untuk pengiraan Multiple Regression pergi ke tab Data di excel dan kemudian pilih pilihan analisis data. Untuk prosedur dan pengiraan lebih lanjut merujuk kepada artikel yang diberikan di sini - Analisis ToolPak di Excel
Formula regresi untuk contoh di atas adalah
- y = MX + MX + b
- y = 604.17 * -3.18 + 604.17 * -4.06 + 0
- y = -4377
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 UBER dan pemboleh ubah tidak bersandar adalah usia pemandu dan jumlah pengalaman yang dia ada dalam memandu.
Contoh # 2
Marilah kita mencuba dan memahami konsep analisis regresi berganda dengan bantuan contoh lain. Marilah kita berusaha untuk mengetahui apakah hubungan antara IPK kelas pelajar dengan bilangan jam belajar dan ketinggian pelajar.
Untuk pengiraan, pergi ke tab Data di excel dan kemudian pilih pilihan analisis data.
Persamaan regresi untuk contoh di atas adalah
y = MX + MX + b
y = 1.08 * .03 + 1.08 * -. 002 + 0
y = .0325
Dalam contoh khusus ini, kita akan melihat pemboleh ubah mana yang merupakan pemboleh ubah bersandar dan pemboleh ubah mana yang merupakan pemboleh ubah tidak bersandar. Pemboleh ubah bersandar dalam regresi ini adalah IPK dan pemboleh ubah tidak bersandar adalah waktu belajar dan ketinggian pelajar.
Contoh # 3
Marilah kita mencuba dan memahami konsep analisis regresi berganda dengan bantuan contoh lain. Marilah kita berusaha untuk mengetahui apakah hubungan antara gaji sekumpulan pekerja dalam sebuah organisasi dengan jumlah pengalaman dan usia pekerja.
Untuk pengiraan, pergi ke tab Data di excel dan kemudian pilih pilihan analisis data.
Persamaan regresi untuk contoh di atas adalah
- y = MX + MX + b
- y = 41308 * .- 71 + 41308 * -824 + 0
- y = -37019
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 gaji dan pemboleh ubah tidak bersandar adalah pengalaman dan usia pekerja.
Perkaitan dan Penggunaan
Regresi berganda adalah kaedah statistik yang sangat berguna. Regresi memainkan peranan yang sangat besar dalam dunia kewangan. Banyak ramalan dilakukan dengan menggunakan analisis regresi. Sebagai contoh, penjualan segmen tertentu dapat diramalkan terlebih dahulu dengan bantuan petunjuk makroekonomi yang mempunyai korelasi yang sangat baik dengan segmen tersebut.
