Usiamo la regressione lineare semplice quando \u00e8 presente una sola variabile esplicativa e la regressione lineare multipla quando sono presenti due o pi\u00f9 variabili esplicative.<\/span><\/p>\n Entrambi i tipi di regressione possono essere eseguiti utilizzando la funzione LINEST()<\/a> di Fogli Google, che utilizza la seguente sintassi:<\/span><\/p>\n REGR.LIN (dati_noti_y, dati_noti_x, calcola_b, dettagliato)<\/strong><\/span><\/p>\n Oro:<\/span><\/p>\n I seguenti esempi mostrano come utilizzare questa funzione nella pratica.<\/span><\/p>\n Supponiamo di voler comprendere la relazione tra ore studiate<\/em> e risultati degli esami.<\/em> studiare per un esame e il voto ottenuto all’esame.<\/span><\/p>\n Per esplorare questa relazione, possiamo eseguire una semplice regressione lineare utilizzando le ore studiate<\/em> come variabile esplicativa e i punteggi degli esami<\/em> come variabile di risposta.<\/span><\/p>\n La schermata seguente mostra come eseguire una regressione lineare semplice utilizzando un set di dati di 20 studenti con la seguente formula utilizzata nella cella D2:<\/span><\/p>\n =<\/span> LINEA<\/span> (<\/span> B2:B21<\/span> ,<\/span> A2:A21<\/span> ,<\/span> VERO<\/span> ,<\/span> VERO<\/span> )<\/span><\/strong><\/span> <\/p>\n<\/blockquote>\n Lo screenshot seguente fornisce annotazioni per l’output:<\/span> <\/p>\n Ecco come interpretare i numeri pi\u00f9 rilevanti nel risultato:<\/span><\/p>\n R quadrato:<\/strong> 0,72725<\/strong> . Questo \u00e8 chiamato coefficiente di determinazione. \u00c8 la proporzione della varianza nella variabile di risposta che pu\u00f2 essere spiegata dalla variabile esplicativa. In questo esempio, circa il 72,73% della variazione dei punteggi degli esami pu\u00f2 essere spiegata dal numero di ore studiate.<\/span><\/p>\n Errore standard:<\/strong> 5.2805<\/strong> . Questa \u00e8 la distanza media tra i valori osservati e la retta di regressione. In questo esempio i valori osservati si discostano in media di 5.2805 unit\u00e0 dalla retta di regressione.<\/span><\/p>\n Coefficienti:<\/strong> i coefficienti ci forniscono i numeri necessari per scrivere l’equazione di regressione stimata. In questo esempio, l’equazione di regressione stimata \u00e8:<\/span><\/p>\n Punteggio esame = 67,16 + 5,2503*(ore)<\/strong><\/span><\/p>\n Interpretiamo il coefficiente di ore nel senso che per ogni ora aggiuntiva studiata, il punteggio dell’esame dovrebbe aumentare in media di 5,2503<\/strong> . Interpretiamo il coefficiente dell’intercetta nel senso che il punteggio atteso dell’esame per uno studente che studia zero ore \u00e8 67,16<\/strong> .<\/span><\/p>\n Possiamo utilizzare questa equazione di regressione stimata per calcolare il punteggio atteso dell’esame per uno studente, in base al numero di ore di studio. Ad esempio, uno studente che studia per tre ore dovrebbe ottenere un punteggio d’esame di 82,91<\/strong> :<\/span><\/p>\n Punteggio esame = 67,16 + 5,2503*(3) = 82,91<\/span><\/p>\n Supponiamo di voler sapere se il numero di ore trascorse a studiare e il numero di esami preparatori sostenuti influiscono sul voto che uno studente ottiene in un determinato esame di ammissione all’universit\u00e0.<\/span><\/p>\n Per esplorare questa relazione, possiamo eseguire una regressione lineare multipla utilizzando le ore studiate<\/em> e gli esami preparatori presi<\/em> come variabili esplicative e i risultati degli esami<\/em> come variabile di risposta.<\/span><\/p>\n La schermata seguente mostra come eseguire una regressione lineare multipla utilizzando un set di dati di 20 studenti con la seguente formula utilizzata nella cella E2:<\/span><\/p>\n =<\/span> DESTRA<\/span> (<\/span> C2:C21<\/span> ,<\/span> A2:B21<\/span> ,<\/span> VERO<\/span> ,<\/span> VERO<\/span> )<\/span><\/strong><\/span> <\/p>\n<\/blockquote>\n Ecco come interpretare i numeri pi\u00f9 rilevanti nel risultato:<\/span><\/p>\n R quadrato:<\/strong> 0,734<\/strong> . Questo \u00e8 chiamato coefficiente di determinazione. \u00c8 la proporzione della varianza della variabile di risposta che pu\u00f2 essere spiegata dalle variabili esplicative. In questo esempio, il 73,4% della variazione dei punteggi degli esami \u00e8 spiegata dal numero di ore studiate e dal numero di esami preparatori sostenuti.<\/span><\/p>\n Errore standard:<\/strong> 5.3657<\/strong> . Questa \u00e8 la distanza media tra i valori osservati e la retta di regressione. In questo esempio i valori osservati si discostano in media di 5.3657 unit\u00e0 dalla retta di regressione.<\/span><\/p>\n Equazione di regressione stimata:<\/strong> possiamo utilizzare i coefficienti dell’output del modello per creare la seguente equazione di regressione stimata:<\/span><\/p>\n Punteggio esame = 67,67 + 5,56*(ore) \u2013 0,60*(esami preparatori)<\/strong><\/span><\/p>\n Possiamo utilizzare questa equazione di regressione stimata per calcolare il punteggio atteso dell’esame per uno studente, in base al numero di ore di studio e al numero di esami pratici sostenuti. Ad esempio, uno studente che studia per tre ore e sostiene un esame di preparazione dovrebbe ottenere un voto di 83,75<\/strong> :<\/span><\/p>\n Punteggio dell’esame = 67,67 + 5,56*(3) \u2013 0,60*(1) = 83,75<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre attivit\u00e0 comuni in Fogli Google:<\/span><\/p>\n Come eseguire la regressione polinomiale in Fogli Google<\/a> La regressione lineare \u00e8 un metodo che pu\u00f2 essere utilizzato per quantificare la relazione tra una o pi\u00f9 variabili esplicative e una variabile di risposta . Usiamo la regressione lineare semplice quando \u00e8 presente una sola variabile esplicativa e la regressione lineare multipla quando sono presenti due o pi\u00f9 variabili esplicative. Entrambi i tipi di […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
Regressione lineare semplice in Fogli Google<\/strong><\/span><\/h3>\n
\n
![\"Regressione](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/regressiongooglesheets.png\")
<\/p>\n![\"Output](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/regressiongooglesheets2.png\")
<\/p>\n Regressione lineare multipla in Fogli Google<\/strong><\/span><\/h3>\n
\n
![\"Regressione](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/regressiongooglesheets3.png\")
<\/p>\n Risorse addizionali<\/strong><\/span><\/h3>\n
Come creare una trama residua in Fogli Google<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"