Rスクエア | 意義FとP-値 | 係数 | 残差

この例では、Excelで線形回帰分析を実行する方法と要約出力を解釈する方法を教えています。

以下は、私たちのデータを見つけることができます。大きな問題は、販売数量（出力）と価格と広告（入力）との間の関係があります。言い換えれば、我々は価格と広告を知っていれば販売数量を予測することができますか？

Regression Data in Excel

  1. [Data]タブで、分析グループで、データ分析]をクリックします。

Click Data Analysis

注：データ分析のボタンを見つけることができませんか？分析ツールアドインをロードするにはここをクリックしてください。

  1. [回帰し、[OK]をクリックします。

Select Regression

Yレンジ（：A8 A1）を選択します。これは（も従属変数と呼ばれる）予測変数です。

Xレンジ（：C8 B1）を選択します。これらは、説明変数（独立変数も呼ばれる）です。これらの列は互いに隣接している必要があります。

5.チェックラベル。

6.出力範囲]ボックスをクリックして、セルA11を選択します。

7.チェック残差。

  1. [OK]をクリックします。

Regression Input and Output

Excelは（小数点第3位を四捨五入）以下の要約出力を生成します。

Rスクエア

Rスクエアは、非常に良いフィットである、0.962に等しいです。販売数量の変動の96％は、独立変数価格と広告によって説明されます。 1に近いほど、より良い回帰直線は（読み）のデータに適合します。

R Square

意義F及びP値

あなたの結果は、信頼性の高い（統計学的に有意）であれば、意義F（0.001）を見て確認してください。この値が0.05未満、あなただOKである場合。

意義Fが0.05よりも大きい場合、それは独立変数のこのセットを使用して停止するように、おそらく良いでしょう。 （0.05より大きい）高いP値を持つ変数を削除して有意Fが0.05を下回るまで回帰を再実行します。

ほとんどまたは全てのP値が0.05を下回る以下でなければなりません。この例では、これはケースです。 （0.000、0.001及び0.005）。

Anova

係数

回帰直線は、Y =数量= 8536.214 -835.722価格+ 0.592広告を販売します。換言すれば、価格の各単位の増加のために、販売数量は835.722単位で減少します。広告中の各単位の増加のため、数量は0.592単位で増加を販売します。これは貴重な情報です。

また、予測を行うために、これらの係数を使用することができます。価格は$ 4に等しく、広告が$ 3000に等しい場合たとえば、あなたは8536.214 -835.722 4 + 0.592 3000 = 6970.の販売数量を達成することができるかもしれない

残差

残差は、実際のデータポイントは、（式を用いて）FOM予測データポイントでどのように遠くを示しています。 = -23.009 8523.009 – 例えば、最初のデータポイントは、式を使用して8500に等しく、予測データポイントは、8500の残差を与え、= 8523.009 + 0.592 2800 8536.214 -835.722 2に等しいです。

Residuals

またこれらの残差の散布図を作成することができます。

Scatter Plot