Das Akaike-Informationskriterium (AIC) ist eine Metrik, die verwendet wird, um die Anpassung verschiedener Regressionsmodelle zu vergleichen.
Es wird berechnet als:
AIC = 2K – 2ln (L)
wo:
- K: Die Anzahl der Modellparameter …
Die Potenzregression ist eine Art nichtlinearer Regression, die die folgende Form annimmt:
y = ax b
wo:
Diese Art der Regression wird verwendet, um Situationen zu modellieren, in denen die Antwortvariable gleich der potenzierten Prädiktorvariablen ist.
Das folgende Schritt-für-Schritt-Beispiel zeigt, wie Sie die Potenzregression für einen bestimmten Datensatz in Excel durchführen.
Lassen Sie uns zunächst einige synthetische Daten für zwei Variablen erstellen: x und y.
Als nächstes nehmen wir den natürlichen Logarithmus von x und y mit der Formel \=LN(Zahl):
Als Nächstes passen wir ein Regressionsmodell an die transformierten Daten an.
Klicken Sie dazu im oberen Menüband auf die Registerkarte Daten. Klicken Sie dann auf die Datenanalyse-Option im Abschnitt Analyse.
Wenn diese Option nicht verfügbar ist, müssen Sie zuerst das Analysis ToolPak laden.
Klicken Sie im angezeigten Dropdown-Fenster auf Regression und dann auf OK. Geben Sie dann die folgenden Informationen ein:
Sobald Sie auf OK klicken, wird automatisch die Regressionsausgabe angezeigt:
Der Gesamt-F-Wert des Modells beträgt 254,2367 und der entsprechende p-Wert ist extrem klein (4,61887e-12), was darauf hindeutet, dass das Modell als Ganzes nützlich ist.
Anhand der Koeffizienten aus der Ausgabetabelle können wir sehen, dass die angepasste Potenzregressionsgleichung wie folgt lautet:
ln(y) = 0,15333 + 1,43439ln(x)
Wenden wir e auf beide Seiten an, können wir die Gleichung umschreiben als:
Wir können diese Gleichung verwenden, um die Antwortvariable y basierend auf dem Wert der Prädiktorvariablen x vorherzusagen.
Wenn zum Beispiel x = 12, dann würden wir vorhersagen, dass y 41,167 wäre:
y = 1,1657(12) 1,43439 = 41,167
So führen Sie mehrere lineare Regressionen in Excel durch
So führen Sie eine exponentielle Regression in Excel durch
So führen Sie eine logarithmische Regression in Excel durch
Das Akaike-Informationskriterium (AIC) ist eine Metrik, die verwendet wird, um die Anpassung verschiedener Regressionsmodelle zu vergleichen.
Es wird berechnet als:
AIC = 2K – 2ln (L)
wo:
Die logistische Regression ist eine statistische Methode, die wir verwenden, um ein Regressionsmodell anzupassen, wenn die Antwortvariable binär ist.
Um zu beurteilen, wie gut ein logistisches Regressionsmodell zu einem Datensatz …