Analisis Analisis Data Big - dummies

Regresi analisis < digunakan untuk menganggarkan kekuatan dan arah hubungan antara pembolehubah yang secara linear yang berkaitan dengan satu sama lain. Dua pembolehubah X dan Y dikatakan sebagai linearly yang berkaitan jika hubungan di antara mereka boleh ditulis dalam bentuk Y

= > mX + b di mana m

ialah

cerun, atau perubahan Y > X

b adalah

mencegat,

atau nilai Y ketika X = 0 Sebagai contoh Analisis regresi, katakanlah sebuah syarikat ingin menentukan sama ada perbelanjaan pengiklanannya sebenarnya meningkatkan keuntungan, dan jika ya, berapa banyak. Perbadanan mengumpulkan data mengenai pengiklanan dan keuntungan selama 20 tahun yang lalu dan menggunakan data ini untuk menganggar persamaan berikut:

Y

= 50 + 0. 25

X

di mana Y mewakili keuntungan tahunan perbadanan (dalam berjuta-juta dolar).

X

mewakili perbelanjaan pengiklanan tahunan perbadanan (dalam berjuta-juta dolar). Dalam persamaan ini, cerun sama dengan 0. 25, dan intercept itu sama dengan 50. Oleh kerana cerun garis regresi adalah 0. 25, ini menunjukkan bahawa secara purata, untuk setiap $ 1 juta peningkatan perbelanjaan pengiklanan, keuntungan meningkat $. 25 juta, atau $ 250,000. Kerana pemintas adalah 50, ini menunjukkan bahawa tanpa pengiklanan, keuntungan tetap $ 50 juta.

Oleh itu, persamaan ini boleh digunakan untuk meramal keuntungan masa depan berdasarkan perbelanjaan pengiklanan yang dirancang. Sebagai contoh, jika perbadanan merancang untuk membelanjakan $ 10 juta untuk pengiklanan tahun depan, keuntungan yang dijangkakan adalah seperti berikut:

Y

= 50 + 0. 25

X

Y = 50 + 0. 25 (10) = 50 + 2. 5 + 52. 5 Oleh itu, dengan anggaran iklan sebanyak $ 10 juta tahun depan, keuntungan dijangka menjadi $ 52. 5 juta.