Pagsusuri ng Pagbabalik
Nagsasagawa ng linear, logarithmic, o power regression analysis ng isang set ng data na binubuo ng isang dependent variable at maramihang independent variable.
Halimbawa, ang ani ng pananim (dependent variable) ay maaaring nauugnay sa pag-ulan, kondisyon ng temperatura, sikat ng araw, halumigmig, kalidad ng lupa at higit pa, lahat ng ito ay mga independent variable.
Para sa karagdagang impormasyon sa pagsusuri ng regression, sumangguni sa kaukulang artikulo sa Wikipedia .
Data
Independent variable(s) (X) range:
Maglagay ng iisang hanay na naglalaman ng maraming independiyenteng variable na mga obserbasyon (kasama ang mga column o row). Ang lahat ng X variable na obserbasyon ay kailangang ilagay sa tabi ng bawat isa sa parehong talahanayan.
Dependent variable (Y) range:
Ilagay ang range na naglalaman ng dependent variable na ang regression ay kakalkulahin.
Parehong may mga label ang mga hanay ng X at Y
Lagyan ng check upang gamitin ang unang linya (o column) ng mga set ng data bilang mga variable na pangalan sa hanay ng output.
Mga resulta sa:
Ang reference ng itaas na kaliwang cell ng hanay kung saan ipapakita ang mga resulta.
Mga Uri ng Output Regression
Itakda ang uri ng regression. Tatlong uri ang magagamit:
-
Linear Regression : nakakahanap ng linear function sa anyo ng y = b + a 1 .[x 1 ] + a 2 .[x 2 ] + a 3 .[x 3 ] ..., kung saan ang a i ay ang i-th slope, Ang [x i ] ay ang i-th independent variable, at ang b ay ang intercept na pinakaangkop sa data.
-
Logarithmic regression : nakakahanap ng logarithmic curve sa anyo ng y = b + a 1 .ln[x 1 ] + a 2 .ln[x 2 ] + a 3 .ln[x 3 ] ..., kung saan ang a i ay ang i- th coefficient, b ang intercept at ln[x i ] ang natural logarithm ng i-th independent variable, na pinakaangkop sa data.
-
Power regression : nakakahanap ng power curve sa anyo ng y = exp( b + a 1 .ln[x 1 ] + a 2 .ln[x 2 ] + a 3 .ln[x 3 ] ...), kung saan ang a i ay ang i-th power, [x i ] ay ang i-th independent variable, at ang b ay intercept na pinakaangkop sa data.
Mga pagpipilian
Antas ng kumpiyansa
Ang isang numerong halaga sa pagitan ng 0 at 1 (eksklusibo), ang default ay 0.95. Ginagamit ng Calc ang porsyentong ito upang kalkulahin ang kaukulang mga agwat ng kumpiyansa para sa bawat isa sa mga pagtatantya (lalo na ang mga slope at intercept).
Kalkulahin ang mga nalalabi
Piliin kung mag-o-opt in o aalis sa pag-compute ng mga nalalabi, na maaaring maging kapaki-pakinabang sa mga kaso kung saan interesado ka lang sa mga slope at humarang sa mga pagtatantya at mga istatistika ng mga ito. Ang mga nalalabi ay nagbibigay ng impormasyon sa kung gaano kalayo ang aktwal na mga punto ng data ay lumihis mula sa hinulaang mga punto ng data, batay sa modelo ng regression.
Puwersang humarang upang maging zero
Kinakalkula ang modelo ng regression gamit ang zero bilang intercept, kaya pinipilit ang modelo na dumaan sa pinanggalingan.