Hvordan læser jeg Resterende grunde i Excel

? Regressionsanalyse anvendes til at forudsige scores på en uafhængig variabel , der er kendt som "x" ved at bruge kendte scoringer på en eller flere afhængige variable kendt som " y er. " Lineær regressionsanalyse matematisk beregner ligningen for en ret linje , der tjener som en prædiktiv model . Ifølge hjemmesiden , Stat Trek , residualer repræsenterer den vertikale afstand mellem hver vundet datapunkt den uafhængige variabel fra denne lige linje . Microsoft Excel 2007 giver et plot af residualerne , som skal fortolkes til at vurdere hensigtsmæssigheden af ​​at bruge en lineær regression model.Things du har brug
Microsoft Excel 2007 myHotelVideo.com: Vis Flere Instruktioner
1

Identificere de x og y-variablerne i din regression . Den x variabel eller uafhængige variabel er resultatet du ønsker at måle . Y-variablerne eller afhængige variabler er de input eller prædiktorer . For eksempel, hvis du ønsker at designe en model forudsige antal ER indlæggelser en person ville have ved at bruge antal pounds overvægt og antal arbejdstimer om ugen, de afhængige variable er antallet af pounds overvægt og antal arbejdstimer om ugen, mens den uafhængige variabel er antallet af ER indlæggelser .
2

Forstå, at x- aksen i et residualplot indeholder alle værdier af x variablen i prøven. I dette eksempel, hvis det højeste antal af ER indlæggelser nogen i stikprøven havde var 15 og det laveste var nul , omfanget ville starte ved nul og strække sig opad i intervaller på en til den maksimale værdi på 15.

3

Lær at læse y-aksen af den resterende plot. Y -aksen repræsenterer residualerne . Hvis den største afstand mellem en opnået datapunkt og prædiktive lige linie er 15 og den mindste afstand var nul , ville denne skala starter ved nul og strække sig opad i intervaller på en til den maksimale værdi af 15. Microsoft Excel 2007 producerer en graf for hver y- variabel.
4

Forstå, at lige linje på grafen, er forudsigende linje, der beskriver den bedst egnede forhold mellem x og y- variable bliver tegnet . Den linje kan være vandret, skrå opad , eller skrå nedad afhængigt af arten af forholdet mellem x og y bliver tegnet .
5

Kig på udbredelsen af prikker over og under den lige forudsigende linje . Hvis der er et lige antal prikker over linien som under det, lineær regression er hensigtsmæssigt at beskrive forholdet mellem x og y bliver tegnet .
6

Kig efter mønstre af dispersement . Hvis dataene er i klynger, en anden end en lige linje form , såsom en "U ", eller hvis datapunkter er ikke jævnt fordelt over og under lige prædiktiv linje , lineær regression er ikke hensigtsmæssigt og ikke- lineære modeller skal anvendes .
clipart