Análisis de regresión

Realiza análisis de regresión lineal, logarítmico o de potencia de un conjunto de datos que comprende una variable dependiente y varias variables independientes.

Por ejemplo, el rendimiento de un cultivo (variable dependiente) puede estar relacionado con las precipitaciones, las condiciones de temperatura, la insolación, la humedad, la calidad del suelo y más, todas ellas variables independientes.

Datos

Intervalo de variables independientes (X):

Ingrese un solo rango que contenga múltiples observaciones de variables independientes (a lo largo de columnas o filas). Todas las observaciones de la variable X deben ingresarse una al lado de la otra en la misma tabla.

Intervalo de variable dependiente (Y):

Introduzca el intervalo que contiene la variable dependiente cuya regresión se ha de calcular.

Tanto el intervalo X como el Y tienen etiquetas

Marque la casilla para utilizar la primera fila (o columna) de los conjuntos de datos como nombres de variables en el intervalo de salida.

Resultados a:

La referencia de la celda superior izquierda del intervalo en donde se mostrarán los resultados.

Tipos de regresión de salida

Establezca el tipo de regresión. Hay tres tipos disponibles:

• Regresión lineal: encuentra una función lineal en la forma de y = b +a₁.[x₁] + a₂.[x₂] + a₃.[x₃] ..., dóndea_ies la i-ésima pendiente, [x_i] es la i-ésima variable independiente, y b es el intercepto que mejor se ajusta a los datos.

• regresión logarítmica: encuentra una curva logarítmica en forma de y = b + a₁.ln[x₁] + a₂.ln[x₂] + a₃.ln[x₃] ..., donde a_ies el i-ésimo coeficiente, b es el intercepto y ln[x_i] es el logaritmo natural de la i-ésima variable independiente, que mejor se ajusta a los datos.

• Regresión de potencia: encuentra una curva de potencia en forma de y = exp( b + a₁.ln[x₁] + a₂.ln[x₂] + a₃. ln[x₃] ...), donde a_i es la i-ésima potencia, [x_i] es la i-ésima variable independiente, y b es el intercepto que mejor se ajusta a los datos.

Opciones

Nivel de confianza

Un valor numérico entre 0 y 1 (exclusivo), el valor predeterminado es 0,95. Calc usa este porcentaje para calcular los intervalos de confianza correspondientes para cada una de las estimaciones (es decir, las pendientes y el intercepto).

Calcular residuos

Seleccione si desea activar o desactivar el cálculo de los residuos, lo que puede ser beneficioso en los casos en los que solo le interesen las pendientes y las estimaciones de intersección y sus estadísticas. Los residuos brindan información sobre cuánto se desvían los puntos de datos reales de los puntos de datos pronosticados, según el modelo de regresión.

Forzar el intercepto para que sea cero

Calcula el modelo de regresión utilizando cero como intercepción, lo que obliga al modelo a pasar por el origen.