Regressionsanalyse

Führt lineare, logarithmische oder potenzielle Regressionsanalysen eines Datensatzs durch, der eine abhängige Variable und mehrere unabhängige Variablen umfasst.

Beispielsweise kann ein Ernteertrag (abhängige Variable) mit Niederschlag, Temperaturbedingungen, Sonnenschein, Luftfeuchtigkeit, Bodenqualität und mehr zusammenhängen, die alle unabhängige Variablen sind.

Daten

Bereich unabhängiger Variablen (X):

Geben Sie einen einzelnen Bereich ein, der mehrere unabhängige variable Beobachtungen (entlang von Spalten oder Zeilen) enthält. Alle X-Variablenbeobachtungen müssen benachbart in derselben Tabelle eingegeben werden.

Bereich abhängiger Variablen (Y):

Geben Sie den Bereich ein, der die abhängige Variable enthält, deren Regression berechnet werden soll.

X- und Y-Bereiche mit Beschriftung

Wählen Sie diese Option aus, wenn die erste Zeile (oder Spalte) der Datensätze als Variablennamen im Ausgabebereich verwendet werden sollen.

Ergebnisse nach:

Der Bezug der oberen linken Zelle des Bereichs, in dem die Ergebnisse angezeigt werden sollen.

Regressionstypen festlegen

Legt die Regressionstypen fest. Drei Typen sind verfügbar:

• Lineare Regression: Ermittelt eine lineare Funktion in Form von y = b + a₁·[x₁] + a₂·[x₂] + a₃·[x₃] …, wobei a_i die i-te Steigung ist, [x_i] die i-te unabhängige Variable und b der Schnittpunkt, der am besten zu den Daten passt.

• Logarithmische Regression: Ermittelt eine Logarithmusfunktion in Form von y = b + a₁·ln[x₁] + a₂·ln[x₂] + a₃·ln[x₃] …, wobei a_i der i-te Koeffizient ist, b ist der Schnittpunkt und ln[x_i] der natürliche Logarithmus von der i-ten unabhängigen Variable, die am besten zu den Daten passt.

• Potenzielle Regression: Ermittelt eine Potenzfunktion in der Form y = exp( b + a₁·ln[x₁] + a₂·ln[x₂] + a₃·ln[x₃] …), wobei a_i die i-te Potenz ist, [x_i] die i-te unabhängige Variable und b der Schnittpunkt, der am besten zu den Daten passt.

Optionen

Konfidenzintervall

Ein numerischer Wert zwischen 0 und 1 (exklusiv), der Standardwert ist 0,95. Calc verwendet diesen Prozentsatz, um die entsprechenden Konfidenzintervalle für jede der Schätzungen (namentlich die Steigungen und den Schnittpunkt) zu berechnen.

Residuen berechnen

Wählen Sie aus, ob Sie sich für die Berechnung der Residuen entscheiden oder nicht, was in Fällen von Vorteil sein kann, in denen Sie nur an den Steigungen und der Schnittpunkt-Schätzung sowie deren Statistiken interessiert sind. Die Residuen geben Aufschluss darüber, wie weit die tatsächlichen Datenpunkte auf Basis des Regressionsmodells von den vorhergesagten Datenpunkten abweichen.

Schnitt bei Null erzwingen

Berechnet das Regressionsmodell mit Null als Schnittpunkt, wodurch das Modell gezwungen wird, den Ursprung zu durchlaufen.