Analisi di regressione multipla

Quando usare l’analisi di regressione multipla

Lo scopo dell’analisi di regressione multipla è di valutare gli effetti di due o più variabili indipendenti su una singola variabile dipendente.

La regressione arriva ad un’equazione per predire la performance in base a ciascuno degli input.

Esempio di analisi di regressione multipla

Diciamo che vogliamo sapere se la percezione del cliente della qualità dello shampoo (variabile dipendente) varia con vari aspetti della geografia e caratteristiche dello shampoo: Schiuma, Profumo, Colore o Residuo (variabili indipendenti).

Per condurre un’analisi di regressione multipla usando le macro QI per Excel

1. Selezionate da due a sedici colonne di dati con la variabile dipendente nella prima (o ultima) colonna:



Questo esempio di dati si trova in QI Macros Test Data > Matrix Plot.xlsx > Dati dello shampoo

2. QI Macros vi chiederà in quale colonna si trova la variabile dipendente (valore Y). In questo esempio, è nella prima colonna:



3. QI Macros eseguirà i calcoli e mostrerà i risultati per voi:

Valutate il valore del quadrato R (0.800)

Analisi: Se il quadrato R è maggiore o uguale a 0,80, come in questo caso, c’è un buon adattamento ai dati.

Valuta il valore p

L’ipotesi nulla è che non ci sia correlazione. (H0 = nessuna correlazione.) Guardando i valori p per ogni variabile indipendente, Regione, Schiuma e Residuo sono inferiori ad alfa (0,05), quindi rifiutiamo l’ipotesi nulla e possiamo dire che queste variabili hanno un impatto sulla qualità. I valori p di profumo e colore sono maggiori di 0,05, quindi non possiamo rifiutare l’ipotesi nulla che non c’è correlazione e non possiamo dire che hanno un impatto diretto sulla qualità.

Utilizzare l’equazione per la previsione e la stima

Utilizzando l’equazione sottostante, si potrebbe prevedere la percezione della qualità dello shampoo sulla base delle variabili indipendenti. Ancora una volta, Regione, Schiuma e Residuo sembrano avere il maggiore impatto sulla percezione della qualità.

y = 90.192 -3.859*Regione +1.817*Schiuma +1.035*Profumo +0.233*Colore -4.001*Residuo

Output dei residui, output delle probabilità e grafici

In aggiunta all’output riassuntivo di cui sopra, QI Macros calcola anche i residui e i dati di probabilità e disegna diversi grafici per voi.

Si prega di notare che le linee rette sul tuo primo grafico (Regione) rappresentano gli intervalli di predizione superiore e inferiore, mentre le linee più curve sono gli intervalli di confidenza superiore e inferiore

Gli intervalli di confidenza forniscono una visione dell’incertezza nella stima della media, mentre gli intervalli di previsione tengono conto della variazione dei valori Y intorno alla media.

I livelli di confidenza del 95% e 99% si riferiscono a quando il tuo valore alfa è impostato a .05 (95%) o .01 (99%). Questo vi fornisce informazioni su come il livello di confidenza può influenzare i vostri risultati, a seconda di dove è impostato alpha.

Perché scegliere il software statistico QI Macros per Excel?