Formel för regressionsanalys

Regressionsanalys är analysen av förhållandet mellan beroende och oberoende variabel eftersom den visar hur beroende variabel kommer att förändras när en eller flera oberoende variabler ändras på grund av faktorer, formel för beräkning är Y = a + bX + E, där Y är beroende variabel, X är oberoende variabel, a är avlyssning, b är lutning och E är kvarvarande.

Regression är ett statistiskt verktyg för att förutsäga den beroende variabeln med hjälp av en eller flera än en oberoende variabel. Under en regressionsanalys är huvudsyftet med forskaren att ta reda på förhållandet mellan den beroende variabeln och den oberoende variabeln. För att förutsäga den beroende variabeln väljs en eller flera oberoende variabler som kan hjälpa till att förutsäga den beroende variabeln. Det hjälper i valideringsprocessen om prediktorvariablerna är tillräckligt bra för att hjälpa till att förutsäga den beroende variabeln.

En formel för regressionsanalys försöker hitta den bästa anpassningsraden för den beroende variabeln med hjälp av de oberoende variablerna. Regressionsanalysekvationen är densamma som ekvationen för en linje som är

y = MX + b

Var,

Y = den beroende variabeln för regressionsekvationen
M = lutning av regressionsekvationen
x = beroende variabel för regressionsekvationen
B = ekvationens konstant

Förklaring

Under en regression är forskarens huvudsyfte att ta reda på förhållandet mellan den beroende variabeln och den oberoende variabeln. För att förutsäga den beroende variabeln väljs en eller flera oberoende variabler som kan hjälpa till att förutsäga den beroende variabeln. Regressionsanalys hjälper till att validera om prediktorvariablerna är tillräckligt bra för att kunna förutsäga den beroende variabeln.

Exempel

Du kan ladda ner denna Excel-mall för regressionsanalys här - Regressionsanalysformel Excel-mall

Exempel nr 1

Låt oss försöka förstå begreppet regressionsanalys med hjälp av ett exempel. Låt oss försöka ta reda på vad som är förhållandet mellan lastbilschaufförens avstånd och lastbilschaufförens ålder. Någon gör faktiskt en regressionsekvation för att validera om vad han tycker om förhållandet mellan två variabler också valideras av regressionsekvationen.

Nedan ges uppgifter för beräkning

För beräkning av regressionsanalys, gå till fliken Data i Excel och välj sedan alternativet för dataanalys. För ytterligare beräkningsförfarande, se den givna artikeln här - Analysis ToolPak i Excel

Formeln för regressionsanalys för exemplet ovan kommer att vara

y = MX + b
y = 575,754 * -3,121 + 0
y = -1797

I detta specifika exempel ser vi vilken variabel som är den beroende variabeln och vilken variabel som är den oberoende variabeln. Den beroende variabeln i denna regressionsekvation är avståndet som lastbilschauffören täcker och den oberoende variabeln är truckförarens ålder. Regressionen för denna uppsättning beroende och oberoende variabler visar att den oberoende variabeln är en bra prediktor för den beroende variabeln med en rimligt hög bestämningskoefficient. Analysen hjälper till att validera att faktorerna i form av den oberoende variabeln väljs korrekt. Ögonblicksbilden nedan visar regressionsutgången för variablerna. Datauppsättningen och variablerna presenteras i excelbladet som bifogas.

Exempel 2

Låt oss försöka förstå regressionsanalys med hjälp av ett annat exempel. Låt oss försöka ta reda på vad som är förhållandet mellan höjden på eleverna i en klass och GPA-betyg hos dessa elever. Någon gör faktiskt en regressionsekvation för att validera om vad han tycker om förhållandet mellan två variabler också valideras av regressionsekvationen.

I det här exemplet ges nedan data för beräkning i excel

Beräkning av regressionsanalys, gå till fliken Data i Excel och välj sedan alternativet för dataanalys.

Regressionen för ovanstående exempel kommer att vara

y = MX + b
y = 2,65 * 0,0034 + 0
y = 0,009198

I detta specifika exempel ser vi vilken variabel som är den beroende variabeln och vilken variabel som är den oberoende variabeln. Den beroende variabeln i denna regressionsekvation är elevernas GPA och den oberoende variabeln är elevernas höjd. Regressionsanalysen för denna uppsättning av beroende och oberoende variabler visar att den oberoende variabeln inte är en bra prediktor för den beroende variabeln eftersom värdet för bestämningskoefficienten är försumbar. I det här fallet måste vi ta reda på en annan prediktorvariabel för att förutsäga den beroende variabeln för regressionsanalysen. Ögonblicksbilden nedan visar regressionsutgången för variablerna. Datauppsättningen och variablerna presenteras i excelbladet som bifogas.

Relevans och användningsområden

Regression är en mycket användbar statistisk metod. För alla affärsbeslut för att validera en hypotes om att en viss åtgärd kommer att leda till en ökad lönsamhet för en division kan valideras baserat på resultatet av regressionen mellan de beroende och oberoende variablerna. Regressionsanalysekvationen spelar en mycket viktig roll i finansvärlden. Mycket prognoser görs med regression. Till exempel kan försäljningen av ett visst segment förutsägas i förväg med hjälp av makroekonomiska indikatorer som har en mycket bra korrelation med det segmentet. Både linjära och multipla regressioner är användbara för utövare för att förutsäga de beroende variablerna och även validera de oberoende variablerna som en prediktor för de beroende variablerna.