Isi
Salah satu alat paling dasar untuk teknik atau analisis ilmiah adalah regresi linier. Teknik ini dimulai dengan kumpulan data dalam dua variabel. Variabel bebas biasanya disebut "x" dan variabel dependen biasanya disebut "y." Tujuan dari teknik ini adalah untuk mengidentifikasi garis, y = mx + b, yang mendekati kumpulan data. Garis tren ini dapat menunjukkan, secara grafis dan numerik, hubungan antara variabel dependen dan independen. Dari analisis regresi ini, nilai untuk korelasi juga dihitung.
Identifikasi dan pisahkan nilai x dan y dari titik data Anda. Jika Anda menggunakan spreadsheet, masukkan ke dalam kolom yang berdekatan. Harus ada jumlah nilai x dan y yang sama. Jika tidak, perhitungannya tidak akurat, atau fungsi spreadsheet akan mengembalikan kesalahan. x = (6, 5, 11, 7, 5, 4, 4) y = (2, 3, 9, 1, 8, 7, 5)
Hitung nilai rata-rata untuk nilai x dan nilai y dengan membagi jumlah semua nilai dengan jumlah total nilai dalam set. Rata-rata ini akan disebut sebagai "x_avg" dan y_avg. "X_avg = (6 + 5 + 11 + 7 + 5 + 4 + 4) / 7 = 6 y_avg = (2 + 3 + 9 + 1 + 8 + 7 + 5) / 7 = 5
Buat dua set data baru dengan mengurangi nilai x_avg dari setiap nilai x dan nilai y_avg dari setiap nilai y. x1 = (6 - 6, 5 - 6, 11 - 6, 7 - 6 ...) x1 = (0, -1, 5, 1, -1, -2, -2) y1 = (2 - 5, 3 - 5, 9 - 5, 1 - 5, ...) y1 = (-3, -2, 4, -4, 3, 2, 0)
Lipat gandakan setiap nilai x1 dengan setiap nilai y1, secara berurutan. x1y1 = (0 * -3, -1 * -2, 5 * 4, ...) x1y1 = (0, 2, 20, -4, -3, -4, 0)
Kuadratkan setiap nilai x1. x1 ^ 2 = (0 ^ 2, 1 ^ 2, -5 ^ 2, ...) x1 ^ 2 = (0, 1, 25, 1, 1, 4, 4)
Hitung jumlah nilai x1y1 dan x1 ^ 2. sum_x1y1 = 0 + 2 + 20 - 4 - 3 - 4 + 0 = 11 sum_x1 ^ 2 = 0 + 1+ 25 + 1 + 1 + 4 + 4 = 36
Bagilah "sum_x1y1" dengan "sum_x1 ^ 2" untuk mendapatkan koefisien regresi. sum_x1y1 / sum_x1 ^ 2 = 11/36 = 0.306