So führen sie eine logistische regression in google sheets durch

Die logistische Regression ist eine Methode, mit der wir ein Regressionsmodell anpassen können, wenn die Antwortvariable binär ist.

Das folgende Schritt-für-Schritt-Beispiel zeigt, wie Sie eine logistische Regression in Google Sheets durchführen.

Schritt 1: Installieren Sie das XLMiner Analysis ToolPak

Um eine logistische Regression in Google Sheets durchzuführen, müssen wir zunächst das kostenlose XLMiner Analysis Toolpak installieren.

Klicken Sie dazu auf Add-ons > Add-ons abrufen :

Geben Sie als Nächstes XLMiner Analysis ToolPak in die Suchleiste ein und klicken Sie auf das angezeigte Symbol:

Klicken Sie abschließend auf die blaue Schaltfläche „Installieren“ .

Schritt 2: Geben Sie die Daten ein

Als nächstes geben wir die folgenden Daten in Google Sheets ein:

Wir werden ein logistisches Regressionsmodell anpassen, das Punkte verwendet und dabei hilft, vorherzusagen, ob ein Basketballspieler in die NBA eingezogen wird (0 = Nein, 1 = Ja).

Schritt 3: Führen Sie eine logistische Regression durch

Um das logistische Regressionsmodell anzupassen, klicken Sie auf die Registerkarte „Erweiterungen “, dann auf „XL Miner Analysis ToolPak“ und dann auf „Start“ :

Klicken Sie im Bereich, der auf der rechten Seite des Bildschirms angezeigt wird, auf den Dropdown-Pfeil neben „Logistische Regression“ und geben Sie die folgenden Informationen ein:

Sobald Sie auf OK klicken, wird die Zusammenfassung des logistischen Regressionsmodells angezeigt:

Die Koeffizienten im Ergebnis geben die logarithmische durchschnittliche Änderung der Wahrscheinlichkeit an, gedraftet zu werden.

Beispielsweise ist eine Erhöhung um eine Punkteinheit mit einer durchschnittlichen Erhöhung der Chancen, gedraftet zu werden, um 0,212 verbunden.

Das Vorzeichen der Koeffizienten sagt uns, ob zwischen jeder Prädiktorvariablen und der Antwortvariablen ein positiver oder negativer Zusammenhang besteht.

Da Punkte beispielsweise ein positives Vorzeichen für den Koeffizienten haben, bedeutet dies, dass eine Erhöhung des Punktewerts die Chancen erhöht, dass ein Spieler gedraftet wird (vorausgesetzt, die Assists bleiben konstant).

Da Assists ein negatives Vorzeichen für den Koeffizienten haben, bedeutet dies umgekehrt, dass eine Erhöhung des Assist-Werts die Chance verringert, dass ein Spieler gedraftet wird (vorausgesetzt, die Punkte bleiben konstant).

Die p-Werte im Ergebnis geben uns auch eine Vorstellung davon, wie effektiv jede Prädiktorvariable bei der Vorhersage der Wahrscheinlichkeit einer Einberufung ist:

• P-Wert für Punkte: 0,02
• P-Wert für Assists: 0,35

Wir können sehen, dass Punkte eine statistisch signifikante Prädiktorvariable zu sein scheinen, da sie einen p-Wert von weniger als 0,05 haben. Assists scheinen jedoch statistisch nicht signifikant zu sein, da sie keinen p-Wert von weniger als 0,05 haben.

Zusätzliche Ressourcen

In den folgenden Tutorials wird erläutert, wie Sie andere häufige Aufgaben in Google Sheets ausführen:

So führen Sie eine Polynomregression in Google Sheets durch
So führen Sie eine lineare Regression in Google Sheets durch
So berechnen Sie das R-Quadrat in Google Sheets