Як виконати логістичну регресію в google таблицях

Логістична регресія – це метод, який ми можемо використати для підгонки моделі регресії, коли змінна відповіді є двійковою.

У наступному покроковому прикладі показано, як виконати логістичну регресію в Google Таблицях.

Крок 1: інсталюйте XLMiner Analysis ToolPak

Щоб виконати логістичну регресію в Google Таблицях, нам спочатку потрібно встановити безкоштовний XLMiner Analysis Toolpak .

Для цього натисніть «Додатки» > «Отримати додатки» :

Далі введіть XLMiner Analysis ToolPak у пошуковому рядку та натисніть піктограму, що з’явиться:

Нарешті натисніть синю кнопку «Встановити» .

Крок 2: Введіть дані

Далі ми введемо такі дані в Google Таблиці:

Ми підберемо логістичну регресійну модель, яка використовує бали та допомагає передбачити, чи буде баскетболіст задрафтований до НБА (0 = Ні, 1 = Так).

Крок 3: Виконайте логістичну регресію

Щоб відповідати моделі логістичної регресії, клацніть вкладку Extensions , потім клацніть XL Miner Analysis ToolPak , а потім клацніть Start :

На панелі, що з’явиться в правій частині екрана, клацніть стрілку спадного меню поруч із пунктом «Логістична регресія» та введіть таку інформацію:

Після натискання кнопки OK відобразиться підсумок моделі логістичної регресії:

Коефіцієнти в результаті вказують на середню зміну шансів бути драфтованим.

Наприклад, збільшення на одну одиницю бала пов’язане із середнім збільшенням шансів на призов на 0,212 .

Знак на коефіцієнтах говорить нам про те, чи є асоційоване позитивне чи негативне значення між кожною змінною предиктора та змінною відповіді.

Наприклад, оскільки очки мають позитивний знак для коефіцієнта, це означає, що збільшення вартості очок збільшує шанси гравця бути обраним (припускаючи, що передачі залишаються постійними).

І навпаки, оскільки асисти мають від’ємний знак для коефіцієнта, це означає, що збільшення значення асистів зменшує ймовірність того, що гравець буде обраний (припускаючи, що очки залишаються постійними).

P-значення в результаті також дають нам уявлення про те, наскільки ефективна кожна змінна предиктора в прогнозуванні ймовірності призову:

• Значення P для балів: 0,02
• P-value для передач: 0,35

Ми бачимо, що бали є статистично значущою прогностичною змінною, оскільки вони мають р-значення менше 0,05, але передачі не видаються статистично значущими, оскільки вони не мають р-значення менше 0,05.

Додаткові ресурси

У наведених нижче посібниках пояснюється, як виконувати інші типові завдання в Google Таблицях.

Як виконати поліноміальну регресію в Google Таблицях
Як виконати лінійну регресію в Google Таблицях
Як розрахувати R-квадрат у Google Таблицях