Hur läser jag Rest Tomter i Excel ?

Regressionsanalys används för att förutsäga poäng på en oberoende variabel , känd som " x " med hjälp av kända poäng på ett eller flera beroende variabler kallas "y -talet. " Linjär regressionsanalys beräknar matematiskt ekvationen för en rät linje , som fungerar som en prediktiv modell . Enligt hemsidan , Stat Trek , rester representerar det vertikala avståndet mellan varje erhållna datapunkt i den oberoende variabeln från denna raka linje . Microsoft Excel 2007 producerar en tomt på residualerna som skall tolkas för att bedöma lämpligheten av att använda en linjär regression model.Things Du behöver
Microsoft Excel 2007
Visa fler Instruktioner
1

Identifiera x och y-variablerna i regressionen . Den x variabel eller oberoende variabeln representerar resultatet som du vill mäta . Y variabler eller beroende variabler är ingångarna eller prediktorer . Till exempel, om du vill utforma en modell förutsäga antal ER antagning en person skulle ha med antalet pounds övervikt och antal arbetade timmar per vecka , de beroende variablerna antal pounds övervikt och antal arbetade timmar per vecka , medan den oberoende variabeln är antal ER antagning . köpa 2

Förstå att x-axeln av en rest tomten innehåller alla värden på x variabeln i provet . I detta exempel, om det högsta antalet ER antagning någon i urvalet hade var 15 och den lägsta noll skalan skulle börja på noll och sträcker sig uppåt i steg om en till det maximala värdet av 15

3

Lär att läsa y-axeln av den återstående tomt . Y-axeln representerar residualerna . Om det största avståndet mellan en erhållen datapunkt och prediktiva raka linjen är 15 och det minsta avståndet var noll , skulle denna skala börja på noll och sträcker sig uppåt i steg om en till det maximala värdet av 15 Microsoft Excel 2007 producerar ett diagram för varje y - variabel.
4

Förstå att den raka linjen i diagrammet är den prediktiva linje som beskriver den bäst anpassade förhållandet mellan x och y- variabel som plottas. Linjen kan vara horisontell , lutande uppåt , eller lutande nedåt beroende på vilken typ av förhållandet mellan x och y som plottas.
5

Titta på spridningen av punkter över och under den raka prediktiva linjen . Om det finns lika många prickar ovanför linjen som under den, är linjär regression lämpligt att beskriva sambandet mellan x och y som plottas.
6

Leta efter mönster av dispergering . Om data i kluster , ett annat än en rak linje form , till exempel ett " U ", eller om datapunkter är inte jämnt fördelade över och under den raka prediktiva linjen , är inte lämpligt och icke - linjära modeller måste användas linjär regression . Addera