Analisi di regressione

Esegue l'analisi di regressione lineare, logaritmica o di potenza di un insieme di dati comprendente una variabile dipendente e più variabili indipendenti.

Per esempio, la resa di una coltura (variabile dipendente) può essere correlata a precipitazioni, condizioni della temperatura, esposizione ai raggi solari, umidità, qualità del suolo e altro ancora, tutte variabili indipendenti.

Per maggiori informazioni sull'analisi di regressione, consultate l'articolo wikipedia relativo (in inglese).

Dati

Intervallo delle variabili indipendenti (X):

Inserite un singolo intervallo contenente più osservazioni di variabili indipendenti (lungo le colonne o le righe). Tutte le osservazioni della variabile X devono essere inserite una accanto all'altra nella stessa tabella.

Intervallo delle variabili dipendenti (Y):

Inserite l'intervallo contenente la variabile dipendente di cui desiderate calcolare la regressione.

Gli intervalli X e Y hanno entrambi etichette

Selezionate questa opzione per utilizzare la prima riga (o colonna) delle serie di dati come nomi di variabili nell'intervallo di output.

Risultato in:

Il riferimento della cella alla estrema sinistra dell'area in cui i risultati verranno visualizzati.

Tipi di output della regressione

Impostate il tipo di regressione. Sono disponibili tre tipi:

• Regressione lineare: trova una funzione lineare nella forma di y = b + a₁.[x₁] + a₂.[x₂] + a₃.[x₃] ..., dove a_i è la pendenza i-esima, [x_i] è la variabile indipendente i-esima, e b è l'intercetta che meglio si adatta ai dati.

• Regressione logaritmica: trova una curva logaritmica nella forma di y = b + a₁.ln[x₁] + a₂.ln[x₂] + a₃.ln[x₃] ..., dove a_i è il coefficiente i-esimo, b è l'intercetta e ln[x_i] è il logaritmo naturale della variabile indipendente i-esima che meglio si adatta ai dati.

• Regressione di potenza: trova una curva di potenza nella forma y = exp( b + a₁.ln[x₁] + a₂.ln[x₂] + a₃. ln[x₃] ...), dove a_i è la potenza i-esima, [x_i] è la variabile indipendente i-esima, e b è l'intercetta che meglio si adatta ai dati.

Opzioni

Livello di confidenza

Un valore numerico tra 0 e 1 (esclusivo), il valore predefinito è 0,95. Calc si avvale di questa percentuale per calcolare i corrispondenti intervalli di confidenza per ciascuna stima (cioè le pendenze e l'intercetta).

Calcola residui

Scegliete se attivare o disattivare il calcolo dei residui, il che può essere utile nei casi in cui siete interessati solo alle stime delle pendenze e delle intercette e alle loro statistiche. I residui informano sulla misura in cui i punti di dati effettivi si discostano dai punti di dati previsti, sulla base del modello di regressione.

Forza intercetta come zero

Calcola il modello di regressione considerando zero come intercetta, costringendo così il modello a passare attraverso l'origine.