Регресионен анализ

Извършва линеен, логаритмичен или степенен регресионен анализ на съвкупност от данни, включваща една зависима променлива и множество независими променливи.

Например добивът на дадена култура (зависима променлива) може да е свързан с валежите, температурните условия, слънчевата светлина, влажността, качеството на почвата и други, всички от които са независими променливи.

За достъп до тази команда...

От лентата с менюта:

Изберете Данни - Статистика - Регресия.

От интерфейса с раздели:

Изберете Данни - Статистика - Регресия.

В менюто Данни на раздела Данни изберете Статистика - Регресия.

За повече информация относно регресионния анализ вижте съответната статия в Уикипедия (на английски).

Данни

Диапазон с независими променливи (X):

Въведете един диапазон, който съдържа множество наблюдения на независимите променливи (по колоните или редовете. Всички наблюдения на променливата X трябва да бъдат въведени едно до друго в една и съща таблица.

Диапазон със зависими променливи (Y):

Въведете диапазона, съдържащ зависимата променлива, чиято регресия трябва да се изчисли.

Диапазоните X и Y имат надписи

Отметнете, за да се използва първият ред (или колона) на наборите от данни като имена на променливите в диапазона с резултата.

Резултати в:

Обръщение към горната лява клетка на диапазона, в който да се покажат резултатите.

Групиране по

Изберете дали началните данни са подредени в колони или редове.

Варианти за извеждане на регресия

Задава типа на регресията. Налични са три типа:

Линейна регресия: намира линейна функция във вида y = b + a₁.[x₁] + a₂.[x₂] + a₃.[x₃] ..., където a_i е i-тият наклон, [x_i] е i-тата независима променлива, а b е свободният член, който най-добре пасва на данните.
Логаритмична регресия: намира логаритмична крива във вида y = b + a₁.ln[x₁] + a₂.ln[x₂] + a₃.ln[x₃] ..., където a_i е i-тият коефициент, b е свободният член и ln[x_i] е натуралният логаритъм на i-тата независима променлива, който най-добре пасва на данните.
Степенна регресия: намира експоненциална крива във вида y = exp( b + a₁.ln[x₁] + a₂.ln[x₂] + a₃.ln[x₃] ...), където a_i е i-тият степенен показател, [x_i] е i-тата независима променлива, а b е свободният член, който най-добре пасва на данните.

Настройки

Ниво на доверие

Числова стойност между 0 и 1 (отворен интервал), подразбира се 0,95. Calc използва този процент, за да изчисли съответните доверителни интервали за всяка от оценките (а именно наклоните и свободния член).

Изчисляване на остатъци

Изберете дали да се изчисляват остатъци, което може да е от полза, когато се интересувате само от оценките за наклоните и свободния член и техните статистики. Остатъците дават информация за това доколко действителните данни се отклоняват от прогнозираните според регресионния модел.