Regressione lineare

In statistica la regressione lineare rappresenta un metodo di stima del valore atteso di una variabile dipendente Y al variare dei valori di altre variabili indipendenti X

Come al solito noi qui siamo molto diretti quindi... cerchiamo di capire subito con un esempio!

Aperto il foglio elettronico, attiviamo l'"Analisi Dati" e poi selezioniamo "regressione"

Su "intervallo di input Y" dobbiamo indicare la colonna relativa alla produzione (variabile dipendente), mentre su "intervallo di input X" dobbiamo indicare la colonna relativa alle ore di sole (variabile indipendente)

NB: ricordiamoci di flaggare "dati con etichette"!

Excel creerà automaticamente l'analisi di regressione

Focalizziamoci su pochi indicatori:

R multiplo: equivale al coefficiente di correlazione e misura la forza di una relazione lineare tra due variabili. Può essere un qualsiasi valore compreso tra 1 e -1. Maggiore è il valore, più forte è la relazione.

Nel nostro esempio vediamo che è (volutamente) uguale a 1

Errore standard: mostra la precisione dell’analisi di regressione quindi più piccolo, più è precisa l’equazione di regressione.

Nel nostro esempio é uguale a 0

Coefficiente: rappresenta l'inclinazione della retta di regressione e, nello specifico del nostro esempio, ci dice quanti quintali di uva verranno prodotti in più le vigne all'aumentare di 1 ora di sole. Nel passaggio tra 1980 e 1981 possiamo notare che all'aumentare di 4 ore di sole, la produzione é aumentata di circa 0,23 quintali pari a 0,06*4

Lo stesso risultato si può ottenere anche in forma grafica utilizzando un grafico "a dispersione" ed aggiungendo la linea di tendenza

E ora ci si può sbizzarrire...

• Quale correlazione c'é tra spese di marketing e vendite?

• Quale relazione tra numero di visite ad un sito internet e numero di ordini?

• All'aumentare della temperatura, é vero che aumentano gli interventi di manutenzione ad un determinato macchinario?