Корреляционно-регрессионный анализ многомерных данных в Excel

• В видео обсуждается корреляционно-регрессионный анализ многомерных данных, где исследуется связь между результативной переменной и факторными переменными.  

• Цель анализа - понять, насколько сильно влияют различные факторы на значение результативной переменной, и предложить формулу для расчета этой переменной.  

• В видео обсуждаются методы первичной обработки данных, включая обнаружение выбросов и фильтрацию данных.  

• Выбросы - это значения, которые сильно отличаются от остальных, и могут быть вызваны ошибками или уникальными объектами.  

• Фильтрация данных включает удаление выбросов и построение графиков для визуального обнаружения выбросов.  

• В видео обсуждаются различные показатели описательной статистики, такие как минимальное, максимальное, среднее значение, медиана, асимметрия и среднеквадратическое отклонение.  

• Описательная статистика помогает охарактеризовать величину и ее распределение.  

• В видео демонстрируется построение гистограмм для анализа распределения данных.  

• Гистограммы помогают визуализировать распределение данных и определить количество групп для анализа.  

• Разбивка данных на интервалы и построение гистограмм для визуального анализа.  

• Использование функции "Частота" для определения частот попадания в интервалы.  

• Альтернативные способы построения гистограмм: через анализ данных или с помощью условного форматирования.  

• Если между переменными существует сильная корреляция, то одну из них можно исключить из расчета.  

• Исключение переменной икс три из расчета, так как она слабо влияет на игрек.  

• Составление линейной регрессионной модели с использованием функции "Линейная".  

• Оценка погрешности модели с помощью модуля разности игрика и игрек расчетного, деленного на игрек.  

• Исключение переменной икс три из корреляционной матрицы и построение множественной линейной регрессии с помощью анализа данных.  

• Нормированный р-квадрат показывает, насколько изменение игрика может быть объяснено изменениями иксов.  

• Максимум может быть равен единице, минимум - нулю.  

• Значимость - это вероятность того, что связь между иксом и игриком есть, но на самом деле ее нет.  

• p-значение - это уровень значимости, который показывает, насколько вероятно, что мы совершим ошибку, отвергнув правильную гипотезу.  

• Упрощение модели путем исключения статистически незначимых коэффициентов.  

• Оценка ошибки модели и ее приемлемости.  

• Анализ остатков для определения необходимости использования нелинейной регрессии.  

• Построение линии тренда и сравнение результатов с исходными данными.  

• Анализ корреляций и составление модели с участием икс три и икс четыре.  

• Получение коэффициентов линейной регрессии с участием икс три и икс четыре.  

• Автор обсуждает, что линейная модель не работает, так как ошибка составляет 1500%.  

• Он предлагает использовать не линейную модель, комбинируя переменные и их произведения.  

• Автор объясняет, как использовать не линейную модель, комбинируя переменные и их произведения.  

• Он также показывает, как использовать инструмент регрессии для анализа данных.  

• Автор анализирует результаты и оставляет только четыре значимых коэффициента.  

• Он отмечает, что модель получилась достаточно точной, с средней ошибкой в 2,2% и максимальной ошибкой в 218%.  

• Автор также обсуждает, как обнаружить выбросы в данных и как их можно исключить из анализа.