Regressie

Voert lineaire, logaritmische of machtsregressieanalyse uit van een gegevensset bestaande uit één afhankelijke variabele en meerdere onafhankelijke variabelen.

Een gewasopbrengst (afhankelijke variabele) kan bijvoorbeeld gerelateerd zijn aan regenval, temperatuuromstandigheden, zonneschijn, vochtigheid, bodemkwaliteit en meer, allemaal onafhankelijke variabelen.

Voor meer informatie over regressie-analyse, raadpleeg het overeenkomstige Wikipedia-artikel.

Gegevens

Onafhankelijke variabele(n) (X) bereik:

Voer een enkel bereik in dat meerdere onafhankelijke variabelewaarnemingen bevat (langs kolommen of rijen). Alle X variabele waarnemingen moeten naast elkaar in dezelfde tabel worden ingevoerd.

Afhankelijke variabele (Y) bereik:

Voer het bereik in dat de afhankelijke variabele bevat waarvan de regressie moet worden berekend.

Zowel X- als Y-bereiken hebben labels

Vink aan om de eerste regel (of kolom) van de gegevenssets te gebruiken als variabelenamen in het uitvoerbereik.

Resultaten naar:

De verwijzing naar de cel linksboven in het bereik waar de resultaten worden weergegeven.

Soorten uitvoerregressie

Stel het soort regressie in. Er zijn drie soorten beschikbaar:

• Lineaire regressie: vindt een lineaire functie in de vorm van y = b + a₁.[x₁] + a₂.[x₂] + a₃.[x₃] ..., waar a_i de is de i-de helling is, [x_i] is de i-de onafhankelijke variabele, en b is het snijpunt dat het beste bij de gegevens past.

• Logaritmische regressie: vindt een logaritmische kromme in de vorm van y = b + a₁.ln[x₁] + a₂.ln[x₂] + a₃.ln[x₃] ..., waar a_i is de i-de coëfficiënt, b is het snijpunt en ln[x_i] is de natuurlijke logaritme van de i-de onafhankelijke variabele, die het beste bij de gegevens past.

• Machtsregressie: vindt een vermogenscurve in de vorm van y = exp( b + a₁.ln[x₁] + a₂.ln[x ₂] + a₃.ln[x₃] ...), waarbij a_i is i-de macht, [x_i] is de i-de onafhankelijke variabele, en b is het snijpunt dat het beste bij de gegevens past.

Opties

Betrouwbaarheidsniveau

Een numerieke waarde tussen 0 en 1 (exclusief), standaard is 0,95. Calc gebruikt dit percentage om de corresponderende betrouwbaarheidsintervallen te berekenen voor elk van de schattingen (namelijk de hellingen en het snijpunt).

Bereken residuen

Selecteer of u zich wilt aan- of afmelden voor het berekenen van de residuen, wat handig kan zijn in gevallen waarin u alleen geïnteresseerd bent in de hellingen en schattingen onderscheppen en hun statistieken. De residuen geven informatie over hoe ver de werkelijke datapunten afwijken van de voorspelde datapunten, gebaseerd op het regressiemodel.

Forceer onderschepping om nul te zijn

Berekent het regressiemodel met nul als snijpunt, waardoor het model gedwongen wordt door de oorsprong te gaan.