Regresión

R Plaza | Significancia F y P-valores | Coeficientes | Derechos residuales de autor

Este ejemplo le enseña a ejecutar un análisis de regresión lineal en Excel y cómo interpretar la salida resumida.

A continuación puede encontrar nuestros datos. La gran pregunta es: ¿existe una relación entre la cantidad vendida (salida) y el precio y la publicidad (entrada)? En otras palabras: ¿podemos predecir la cantidad vendida si conocemos el precio y la publicidad?

1. En la pestaña Datos, en el grupo Análisis, haga clic en Análisis de datos.

Nota: ¿no puede encontrar el botón Análisis de datos? Haga clic aquí para cargar el Complemento de herramientas de análisis .

2. Seleccione Regresión y haga clic en Aceptar.

3. Seleccione el rango Y (A1: A8). Esta es la variable predictora (también llamada variable dependiente).

4. Seleccione el rango X (B1: C8). Estas son las variables explicativas (también llamadas variables independientes). Estas columnas deben estar adyacentes entre sí.

5. Revise las etiquetas.

6. Haga clic en el cuadro Rango de salida y seleccione la celda A11.

7. Verifique los residuos.

8. Haga clic en Aceptar.

Excel produce el siguiente resumen de salida (redondeado a 3 decimales).

R Plaza

R Cuadrado es igual a 0.962, que es un ajuste muy bueno. El 96% de la variación en Cantidad Vendida se explica por las variables independientes Precio y Publicidad. Cuanto más cerca de 1, mejor se ajusta la línea de regresión (siga leyendo) a los datos.

agregar segunda línea en la celda de Excel

Significancia F y P-valores

Para verificar si sus resultados son confiables (estadísticamente significativos), observe Significación F (0.001). Si este valor es menor que 0.05, está bien. Si la significancia F es mayor que 0.05, probablemente sea mejor dejar de usar este conjunto de variables independientes. Elimine una variable con un valor P alto (mayor que 0.05) y vuelva a ejecutar la regresión hasta que la Significancia F caiga por debajo de 0.05.

La mayoría o todos los valores P deben estar por debajo de 0,05. En nuestro ejemplo, este es el caso. (0,000, 0,001 y 0,005).

Coeficientes

La recta de regresión es: y = Cantidad vendida = 8536,214 -835,722 * Precio + 0,592 * Publicidad. En otras palabras, por cada aumento de precio de la unidad, la cantidad vendida disminuye en 835.722 unidades. Por cada unidad de aumento en publicidad, la cantidad vendida aumenta en 0,592 unidades. Ésta es información valiosa.

También puede utilizar estos coeficientes para hacer un pronóstico. Por ejemplo, si el precio es igual a $ 4 y la publicidad es igual a $ 3000, es posible que pueda lograr una Cantidad vendida de 8536.214 -835.722 * 4 + 0.592 * 3000 = 6970.

Derechos residuales de autor

Los residuos le muestran qué tan lejos están los puntos de datos reales de los puntos de datos predichos (usando la ecuación). Por ejemplo, el primer punto de datos es igual a 8500. Usando la ecuación, el punto de datos pronosticado es igual a 8536,214 -835,722 * 2 + 0,592 * 2800 = 8523,009, dando un residuo de 8500 - 8523,009 = -23,009.

También puede crear un diagrama de dispersión de estos residuos.