L'analyse de régression est l'une des méthodes de recherche statistique les plus recherchées. Avec cela, il est possible d'établir le degré d'influence des valeurs indépendantes sur la variable dépendante. La fonctionnalité Microsoft Excel dispose d'outils destinés à un type d'analyse similaire. Analysons qu'ils représentent eux-mêmes et comment les utiliser.
Connecter un paquet d'analyse
Mais, afin d'utiliser une fonction qui vous permet d'effectuer une analyse de régression, tout d'abord, vous devez activer le package d'analyse. Ce n'est qu'alors que les outils nécessaires à cette procédure apparaissent sur la bande exil.
- Passez à l'onglet "Fichier".
- Allez dans la section "Paramètres".
- La fenêtre Paramètres Excel s'ouvre. Aller au sous-section "addstructure".
- Au bas de la fenêtre d'ouverture, nous réorganisons le commutateur dans le bloc "Control" à la position "Complète Excel", si elle est dans une autre position. Cliquez sur le bouton "Go".
- Fenêtre ouverte accessible à la superstructure d'Excel. Nous avons mis une coche sur l'élément "Paquet d'analyse". Cliquez sur le bouton "OK".
Maintenant, lorsque nous passons à l'onglet "Data", nous verrons un nouveau bouton dans la barre d'outils "Analyse", "Analyse des données".
Types d'analyse de régression
Il existe plusieurs types de régressions:- parabolique;
- Puissance;
- logarithmique;
- exponentiel;
- indicatif;
- hyperbolique;
- Régression linéaire.
Nous parlerons davantage de la mise en œuvre du dernier type d'analyse de régression dans Excele plus.
Régression linéaire dans le programme Excel
Ci-dessous, à titre d'exemple, une table est présentée dans laquelle la température de l'air quotidienne moyenne dans la rue, et le nombre d'acheteurs de magasins pour la journée de travail appropriée est indiquée. Découvrons avec l'aide de l'analyse de la régression, exactement comment les conditions météorologiques sous forme de température de l'air peuvent affecter la présence de l'institution commerciale.
L'équation générale de la régression des espèces linéaires est la suivante: Y = A0 + A1X1 + ... + AKK. Dans cette formule, y signifie une variable, l'influence des facteurs sur lesquels nous essayons d'explorer. Dans notre cas, c'est le nombre d'acheteurs. La valeur de x est divers facteurs affectant la variable. Les paramètres A sont la régression des coefficients. C'est-à-dire qu'ils déterminent l'importance d'un facteur particulier. L'index k désigne le nombre total de ces facteurs.
- Cliquez sur le bouton "Analyse des données". Il est affiché dans l'onglet Home dans la barre d'outils "Analyse".
- Une petite fenêtre s'ouvre. En cela, nous choisissons la "régression" de l'article. Cliquez sur le bouton "OK".
- La fenêtre de régression des paramètres s'ouvre. Il est obligatoire pour le remplissage des champs "Intervalle d'entrée Y" et "Intervalle d'entrée X". Tous les autres paramètres peuvent être laissés par défaut.
Dans le champ "Intervalle d'entrée Y", spécifiez l'adresse de la plage de cellules où se trouvent des variables, l'influence des facteurs sur lesquels nous essayons d'établir. Dans notre cas, ce seront les cellules du "nombre de buyers" colonne. L'adresse peut être entrée manuellement à partir du clavier et vous pouvez simplement sélectionner la colonne souhaitée. La dernière option est beaucoup plus facile et plus pratique.
Dans le champ "Intervalle d'entrée X", nous entrons l'adresse des cellules des cellules, où se trouve ces facteurs, dont l'influence sur la variable que nous souhaitons installer. Comme mentionné ci-dessus, nous devons établir l'effet de la température sur le nombre d'acheteurs de magasins et entrez donc l'adresse des cellules dans la colonne "Température". Cela peut être fait la même manière que dans le champ "Nombre de acheteurs".
En utilisant d'autres paramètres, vous pouvez définir les étiquettes, le niveau de fiabilité, constant à zéro, afficher un graphique d'une probabilité normale et effectuer d'autres actions. Mais dans la plupart des cas, ces paramètres n'ont pas besoin d'être modifiés. La seule chose à faire attention concerne les paramètres de sortie. Par défaut, la sortie des résultats d'analyse est effectuée sur une autre feuille, mais en élevant le commutateur, vous pouvez définir la sortie dans la plage spécifiée sur la même feuille où la table avec les données source est située ou dans un livre séparé, c'est-à-dire dans un nouveau fichier.
Une fois tous les paramètres définis, cliquez sur le bouton "OK".
Analyse des résultats de l'analyse
Les résultats de l'analyse de régression sont affichés sous la forme d'une table à l'endroit indiqué dans les paramètres.
L'un des principaux indicateurs est R-carré. Cela indique la qualité du modèle. Dans notre cas, ce coefficient est de 0,705 ou environ 70,5%. Ceci est un niveau de qualité acceptable. La dépendance inférieure à 0,5 est mauvaise.
Un autre indicateur important est situé dans la cellule à l'intersection de la ligne "intersection Y" et de la colonne "coefficients". Il indique quelle valeur sera dans Y, et dans notre cas, il s'agit du nombre d'acheteurs, avec tous les autres facteurs égaux à zéro. Cette table est de 58,04 dans cette table.
La valeur à l'intersection du comte "variable x1" et "coefficients" montre le niveau de dépendance de Y de X. Dans notre cas, c'est le niveau de dépendance du nombre de clients du magasin sur la température. Le coefficient de 1,31 est considéré comme un indicateur d'influence plutôt élevé.
Comme vous pouvez le constater, en utilisant le programme Microsoft Excel, il est assez facile de faire une table d'analyse de régression. Mais, pour travailler avec les données obtenues à la sortie et comprendre leur essence, seule une personne préparée sera capable.