O que é uma fórmula de regressão múltipla?
A fórmula de regressão múltipla é usada na análise da relação entre as variáveis dependentes e múltiplas independentes e a fórmula é representada pela equação Y é igual a a mais bX1 mais cX2 mais dX3 mais E onde Y é a variável dependente, X1, X2, X3 são variáveis independentes , a é a interceptação, b, c, d são inclinações e E é o valor residual.
y = mx1 + mx2 + mx3 + b
Onde,
- Y = a variável dependente da regressão
- M = declive da regressão
- X1 = primeira variável independente da regressão
- O x2 = segunda variável independente da regressão
- O x3 = terceira variável independente da regressão
- B = constante
Explicação da fórmula de análise de regressão
Regressões múltiplas são um método para prever a variável dependente com a ajuda de duas ou mais variáveis independentes. Ao executar esta análise, o objetivo principal do pesquisador é descobrir a relação entre a variável dependente e as variáveis independentes. Para prever a variável dependente, várias variáveis independentes são escolhidas, o que pode ajudar a prever a variável dependente. É usado quando a regressão linear não pode servir ao propósito. A análise de regressão ajuda no processo de validação se as variáveis preditoras são boas o suficiente para ajudar na predição da variável dependente.
Exemplos
Você pode baixar este modelo em Excel de fórmula de regressão múltipla aqui - Modelo em Excel de fórmula de regressão múltiplaExemplo 1
Vamos tentar entender o conceito de análise de regressão múltipla com a ajuda de um exemplo. Vamos tentar descobrir qual é a relação entre a distância percorrida por um motorista UBER e a idade do motorista e o número de anos de experiência do motorista.
Para o cálculo da Regressão Múltipla vá até a aba Dados no Excel e selecione a opção de análise de dados. Para obter mais informações sobre o procedimento e o cálculo, consulte o artigo fornecido aqui - Analysis ToolPak no Excel
A fórmula de regressão para o exemplo acima será
- y = MX + MX + b
- y = 604,17 * -3,18 + 604,17 * -4,06 + 0
- y = -4377
Neste exemplo específico, veremos qual variável é a variável dependente e qual é a variável independente. A variável dependente nesta equação de regressão é a distância percorrida pelo motorista do UBER e as variáveis independentes são a idade do motorista e o número de experiências que ele tem na direção.
Exemplo # 2
Vamos tentar entender o conceito de análise de regressões múltiplas com a ajuda de outro exemplo. Procuremos descobrir qual a relação entre o GPA de uma turma de alunos e o número de horas de estudo e a altura dos alunos.
Para o cálculo, vá para a guia Dados no Excel e selecione a opção de análise de dados.
A equação de regressão para o exemplo acima será
y = MX + MX + b
y = 1,08 * 0,03 + 1,08 * - 0,002 + 0
y = 0,0325
Neste exemplo específico, veremos qual variável é a variável dependente e qual é a variável independente. A variável dependente nesta regressão é o GPA e as variáveis independentes são as horas de estudo e a altura dos alunos.
Exemplo # 3
Vamos tentar entender o conceito de análise de regressões múltiplas com a ajuda de outro exemplo. Vamos tentar descobrir qual a relação entre o salário de um grupo de funcionários de uma organização e o número de anos de experiência e a idade dos funcionários.
Para o cálculo, vá para a guia Dados no Excel e selecione a opção de análise de dados.
A equação de regressão para o exemplo acima será
- y = MX + MX + b
- y = 41308 * .- 71 + 41308 * -824 + 0
- y = -37019
Neste exemplo específico, veremos qual variável é a variável dependente e qual é a variável independente. A variável dependente nesta equação de regressão é o salário e as variáveis independentes são a experiência e a idade dos funcionários.
Relevância e Uso
As regressões múltiplas são um método estatístico muito útil. A regressão desempenha um papel muito importante no mundo das finanças. Muitas previsões são feitas usando análise de regressão. Por exemplo, as vendas de um determinado segmento podem ser previstas com antecedência com a ajuda de indicadores macroeconômicos que possuem uma correlação muito boa com aquele segmento.
