Cara menghitung standard error regresi di excel

Kami menyesuaikan model regresi linier , modelnya mengambil bentuk berikut:

Y = β ₀ + β ₁ X + … + β _saya

dimana ϵ adalah suku kesalahan yang tidak bergantung pada X.

Tidak peduli bagaimana X dapat digunakan untuk memprediksi nilai Y, akan selalu ada kesalahan acak dalam model.

Salah satu cara untuk mengukur sebaran kesalahan acak ini adalah dengan menggunakan kesalahan standar model regresi , yaitu cara mengukur simpangan baku dari residu ϵ.

Tutorial ini memberikan contoh langkah demi langkah tentang cara menghitung kesalahan standar model regresi di Excel.

Langkah 1: Buat datanya

Untuk contoh ini, kita akan membuat kumpulan data yang berisi variabel berikut untuk 12 siswa berbeda:

• Hasil ujian
• Berjam-jam dihabiskan untuk belajar
• Kelas saat ini

Langkah 2: Sesuaikan model regresi

Selanjutnya, kita akan menyesuaikan model regresi linier berganda dengan menggunakan nilai ujian sebagai variabel respon dan jam belajar serta nilai saat ini sebagai variabel prediktor.

Untuk melakukannya, klik tab Data di sepanjang pita atas, lalu klik Analisis Data :

Jika opsi ini tidak tersedia, Anda harus memuat Data Analysis ToolPak terlebih dahulu.

Di jendela yang muncul, pilih Regresi . Di jendela baru yang muncul, berikan informasi berikut:

Setelah Anda mengklik OK , keluaran model regresi akan muncul:

Langkah 3: Tafsirkan kesalahan standar regresi

Kesalahan standar model regresi adalah angka di sebelah kesalahan standar :

Kesalahan standar model regresi khusus ini adalah 2.790029 .

Angka ini mewakili jarak rata-rata antara hasil ujian sebenarnya dengan hasil ujian yang diprediksi oleh model.

Perhatikan bahwa beberapa hasil ujian akan berjarak lebih dari 2,79 unit dari skor yang diprediksi, sementara hasil ujian lainnya akan lebih dekat. Namun rata-rata jarak antara hasil ujian sebenarnya dan hasil prediksi adalah 2.790029 .

Perhatikan juga bahwa kesalahan standar regresi yang lebih kecil menunjukkan bahwa model regresi lebih cocok dengan kumpulan data.

Jadi, jika kita menyesuaikan model regresi baru ke kumpulan data dan memperoleh kesalahan standar, katakanlah, 4,53 , model baru ini akan kurang efektif dalam memprediksi nilai ujian dibandingkan model sebelumnya.

Sumber daya tambahan

Cara umum lainnya untuk mengukur keakuratan model regresi adalah dengan menggunakan R-squared. Lihat artikel ini untuk penjelasan bagus tentang manfaat menggunakan kesalahan standar regresi untuk mengukur akurasi versus R-kuadrat.