Como realizar regressão polinomial no excel

A análise de regressão é usada para quantificar a relação entre uma ou mais variáveis explicativas e uma variável de resposta .

O tipo mais comum de análise de regressão é a regressão linear simples , usada quando uma variável explicativa e uma variável resposta têm uma relação linear.

No entanto, por vezes a relação entre uma variável explicativa e uma variável de resposta é não linear.

Nestes casos, faz sentido utilizar a regressão polinomial , que pode dar conta da relação não linear entre as variáveis.

Este tutorial explica como realizar regressão polinomial no Excel.

Exemplo: Regressão Polinomial no Excel

Suponha que temos o seguinte conjunto de dados no Excel:

Conclua as etapas a seguir para ajustar uma equação de regressão polinomial a este conjunto de dados:

Etapa 1: crie um gráfico de dispersão.

Primeiro, precisamos criar um gráfico de dispersão. Vá para o grupo Gráficos na guia Inserir e clique no primeiro tipo de gráfico em Dispersão :

Uma nuvem de pontos aparecerá automaticamente:

Etapa 2: adicione uma linha de tendência.

A seguir, precisamos adicionar uma linha de tendência ao gráfico de dispersão. Para fazer isso, clique em um dos pontos individuais da nuvem de pontos. Em seguida, clique com o botão direito e selecione Adicionar linha de tendência…

Uma nova janela aparecerá com a opção de especificar uma linha de tendência. Escolha Polinomial e escolha o número que deseja usar para Order . Usaremos 3. Em seguida, marque a caixa na parte inferior que diz Mostrar equação no gráfico .

Uma linha de tendência com uma equação de regressão polinomial aparecerá automaticamente no gráfico de dispersão:

Etapa 3: interprete a equação de regressão.

Para este exemplo específico, nossa equação de regressão polinomial ajustada é:

y = -0,1265x ³ + 2,6482x ² – 14,238x + 37,213

Esta equação pode ser usada para encontrar o valor esperado da variável resposta dado um determinado valor da variável explicativa. Por exemplo, suponha que x = 4. O valor esperado para a variável de resposta, y, seria:

y = -0,1265(4) ³ + 2,6482(4) ² – 14,238(4) + 37,213 = 14,5362 .