R Square | Valores de significância F e P | Coeficientes | Resíduos
Este exemplo ensina como executar um análise de regressão linear em Excel e como interpretar o resultado do resumo.
Abaixo você encontra nossos dados. A grande questão é: existe relação entre Quantidade Vendida (Saída) e Preço e Publicidade (Entrada). Em outras palavras: podemos prever a quantidade vendida se soubermos o preço e a publicidade?
1. Na guia Dados, no grupo Análise, clique em Análise de Dados.
Nota: não consegue encontrar o botão Análise de dados? Clique aqui para carregar o suplemento Analysis ToolPak.
2. Selecione Regressão e clique em OK.
3. Selecione o intervalo Y (A1: A8). Esta é a variável preditora (também chamada de variável dependente).
4. Selecione o intervalo X (B1: C8). Estas são as variáveis explicativas (também chamadas de variáveis independentes). Essas colunas devem ser adjacentes umas às outras.
5. Verifique as etiquetas.
6. Clique na caixa Intervalo de saída e selecione a célula A11.
7. Verifique os resíduos.
8. Clique em OK.
O Excel produz a seguinte Saída de Resumo (arredondada para 3 casas decimais).
Quadrado R
R Square é igual a 0,962, o que é um ajuste muito bom. 96% da variação da Quantidade Vendida é explicada pelas variáveis independentes Preço e Publicidade. Quanto mais próximo de 1, melhor a linha de regressão (leitura) se ajusta aos dados.
Valores de significância F e P
Para verificar se seus resultados são confiáveis (estatisticamente significativos), observe a Significância F (0,001). Se este valor for menor que 0,05, você está OK. Se a Significância F for maior que 0,05, provavelmente é melhor parar de usar este conjunto de variáveis independentes. Exclua uma variável com um valor P alto (maior que 0,05) e execute novamente a regressão até que a Significância F caia abaixo de 0,05.
A maioria ou todos os valores P devem estar abaixo de 0,05. Em nosso exemplo, é esse o caso. (0,000, 0,001 e 0,005).
Coeficientes
A linha de regressão é: y = Quantidade vendida = 8536,214 -835,722 * Preço + 0,592 * Publicidade. Em outras palavras, para cada aumento de unidade no preço, a Quantidade vendida diminui com 835,722 unidades. Para cada aumento de unidade em Publicidade, a Quantidade vendida aumenta em 0,592 unidades. Esta é uma informação valiosa.
Você também pode usar esses coeficientes para fazer uma previsão. Por exemplo, se o preço for igual a US $ 4 e a publicidade for igual a US $ 3.000, você poderá obter uma Quantidade vendida de 8536,214 -835,722 * 4 + 0,592 * 3000 = 6970.
Resíduos
Os resíduos mostram a que distância os pontos de dados reais estão dos pontos de dados previstos (usando a equação). Por exemplo, o primeiro ponto de dados é igual a 8500. Usando a equação, o ponto de dados previsto é igual a 8536,214 -835,722 * 2 + 0,592 * 2800 = 8523,009, dando um residual de 8500 - 8523,009 = -23,009.
Você também pode criar um gráfico de dispersão desses resíduos.