Регрессионный анализ

Выполняет анализ линейной, логарифмической или степенной регрессии набора данных, состоящей из одной зависимой переменной и нескольких независимых переменных.

Например, урожайность (зависимая переменная) может быть связана с осадками, температурными условиями, солнечным светом, влажностью, качеством почвы и многими другими параметрами, которые являются независимыми переменными.

Данные

Диапазон независимой переменной (переменных) (по оси X):

Введите один диапазон, содержащий несколько независимых наблюдений переменных (по столбцам или строкам). Все вводимые наблюдения переменных по оси X должны непосредственно примыкать друг к другу в одной таблице.

Диапазон зависимой переменной (по оси Y):

Введите диапазон, содержащий зависимую переменную, регрессию которой необходимо вычислить.

Диапазоны как по оси X, так и по оси Y снабжены подписями

Убедитесь в том, что первая строка (или столбец) наборов данных используется в качестве имён переменных в диапазоне вывода.

Вывод результатов в:

Ссылка на верхнюю левую ячейку диапазона, в которой отображаются результаты.

Типы вывода регрессии

Задайте тип регрессии. Доступны три типа:

• Линейная регрессия: находит линейную функцию в форме y = b + a₁.[x₁] + a₂.[x₂] + a₃.[x₃] ..., где a_i — i-ый наклон, [x_i] — i-ая независимая переменная, а b — точка пересечения, которая лучше всего соответствует данным.

• Логарифмическая регрессия: находит логарифмическую кривую в форме y = b + a₁.ln[x₁] + a₂.ln[x₂] + a₃.ln[x₃] …, где a_i — i-ый коэффициент, b — точка пересечения и ln[x_i] натуральный логарифм i-ой независимой переменной, который лучше всего соответствует данным.

• Степенная регрессия: находит кривую степени в форме y = exp( b + a₁.ln[x₁] + a₂.ln[x₂] + a₃.ln[x₃] ...), где a_i — степень i-th, [x_i] i-ая независимая переменная, а b — точка пересечения, которая лучше всего соответствует данным.

Параметры

Уровень доверия

Числовое значение от 0 до 1 (исключительно), по умолчанию 0,95. Calc использует проценты для вычисления соответствующих доверительных интервалов для каждой оценки (а именно, наклоны и точки пересечения).

Вычислить остатки

Выберите выполнять или не выполнять вычисление остатков, которое может быть полезно в случаях, где требуется только оценка наклонов и точек пересечения, а также их статистика. Остатки дают информацию о том, насколько насколько фактические точки данных отклоняются от прогнозируемых точек данных, на основе модели регрессии.

Установить пересечение равным 0

Вычисляет модель регрессии, используя ноль в качестве точки пересечения, и поэтому принудительно пропускает модель через начало координат.