Predecir los valores de los clientes con la línea de regresión

categoría Las pequeñas empresas y carreras / El funcionamiento de su negocio / Planificación estratégica

Mientras que una correlación habla a la fuerza de una relación entre dos variables, y el r2 ayuda a explicar que la fuerza de la relación, lo que tiene que hacer para predecir una variable de otro es el uso de una extensión de correlación llamado análisis de regresión. Análisis de regresión que se conoce como una " caballo de batalla " en el análisis predictivo. La matemática no es demasiado complicado, y la mayoría de los paquetes de software compatible con el análisis de regresión.

El análisis de regresión se extiende la idea de la dispersión usada en correlación y añade una línea que mejor " encaja " los datos.

Uno de los requisitos de la utilización de correlaciones y análisis de regresión es que los datos es lineal. Lineal significa una línea puede describir razonablemente la relación entre las variables y luego ser utilizado para predecir los valores que no aparecen en los datos (puntos futuro de datos de clientes). Si el diagrama de dispersión de los datos forma una curva, o cualquier forma que una línea no encaja bien, puede obtener resultados engañosos.

Si bien hay muchas maneras de dibujar líneas a través de los datos, el análisis de mínimos cuadrados es una forma matemática que reduce la distancia entre la línea y cada punto en el diagrama de dispersión. Este análisis se puede hacer a mano o mediante el uso de software tal como Minitab, SPSS, SAS, R, o Excel.

La figura muestra una línea de regresión de mínimos cuadrados.

imagen0.jpg

El software le da la ecuación de la recta de regresión encima del gráfico:

Tiempo = 86.57 + 4.486 Taps

La ecuación de regresión adopta la forma general de

image1.jpg

He aquí una explicación de cada parte de la ecuación:

image2.jpg

(pronunciado y-sombrero): Este es el valor predicho de la variable dependiente: pronosticado tiempo.

  • b0: Llamó al y-interceptar, aquí es donde la línea cruzaría (o intersección) con el y-eje.

  • b1: Esta es la pendiente de la línea prevista (lo empinada que es).

  • X: Esto representa un valor particular de la variable independiente: grifos.

  • e: representa el error inevitable la predicción va a contener.

Así, en este ejemplo, la ecuación de regresión indica que la cantidad predicha de tiempo que tarda un cliente para hacer una compra es igual a 86.57 (la y-intercepción) más 4.486 (la pendiente) multiplicado por el número de tomas (X).

Es la fórmula de regresión que permite predecir los valores de los clientes que no existen en los datos. Se le permite realizar " what-if " análisis sobre los valores de los clientes futuros. Este es el " predictivo " parte del análisis predictivo de los clientes.

Por ejemplo, el uso de la ecuación de regresión del ejemplo anterior, se puede predecir el tiempo que un cliente necesita para hacer una compra con 38 grifos. Usted acaba de llenar 38 en la ecuación de regresión.

Tiempo = 86,57 + 4,486 (38)Tiempo = 86,57 + 170,47 = 257,04

Un cliente necesita 257 segundos, o un poco más de cuatro minutos, para hacer una compra que requiere 38 grifos.

Se denota la variable dependiente " Y " y se muestra en el eje Y (vertical). La variable independiente se denomina X y se muestra en el eje horizontal (x).

En lugar de predecir el tiempo de la tarea de un cliente de los grifos, este mismo enfoque puede ser utilizado para predecir otros análisis de clientes, incluyendo:

  • Los ingresos del cliente según los ingresos por publicidad

  • Probabilidad de recomendar a partir de datos de usabilidad

  • Número de conversiones de páginas web vistas



Artículos Relacionados

Sobre el autor
Conexión a la correlación y relaciones lineales Conexión a la correlación y relaciones lineales

Su trabajo aquí es encontrar e interpretar los resultados de una línea de regresión y de sus elementos y comprobar cuidadosamente exactamente lo bien que se adapta a su línea. Nota: Regresión asume que usted ha encontrado que existe una…

¿Cómo las empresas utilizan las estadísticas de análisis de regresión ¿Cómo las empresas utilizan las estadísticas de análisis de regresión

El análisis de regresión es una herramienta estadística utilizada para la investigación de las relaciones entre las variables. Por lo general, el investigador desea saber el efecto causal de una variable sobre otra - el efecto de un aumento de…

Cómo cuadros de correlación, regresión y bidireccionales aclaran datos estadísticos Cómo cuadros de correlación, regresión y bidireccionales aclaran datos estadísticos

Uno de los objetivos más comunes de la investigación estadística es encontrar vínculos entre las variables. El uso de correlación, regresión y tablas de dos vías, puede utilizar los datos para responder a preguntas como las siguientes:¿Qué…

Cómo calcular una línea de regresión Cómo calcular una línea de regresión

En estadística, se puede calcular una línea de regresión de dos variables si su diagrama de dispersión muestra un patrón lineal y la correlación entre las variables es muy fuerte (por ejemplo, r = 0.98). Una línea de regresión es simplemente…

Cómo estimar y predecir el valor de y en una ecuación de regresión múltiple Cómo estimar y predecir el valor de y en una ecuación de regresión múltiple

Se puede estimar y predecir el valor de Y usando una ecuación de regresión múltiple. Con el análisis de regresión múltiple, la ecuación de regresión población puede contener cualquier número de variables independientes, tales comoEn este…

¿Cómo interpretar una línea de regresión ¿Cómo interpretar una línea de regresión

En estadística, una vez que haya calculado la pendiente y y-interceptar para formar la línea de regresión que mejor se ajusta en un diagrama de dispersión, a continuación, puede interpretar sus valores.Interpretación de la pendiente de una…

Conocer las condiciones para la regresión Conocer las condiciones para la regresión

Con la regresión lineal simple, usted busca un determinado tipo de relación entre dos variables cuantitativas (numéricas) (como GPA de escuela secundaria y la universidad GPA). Esta relación especial es un relación lineal - uno cuyos pares de…

Prueba de la ecuación de regresión estimada mediante el coeficiente de determinación, r2 Prueba de la ecuación de regresión estimada mediante el coeficiente de determinación, r2

Después de estimar la línea de regresión de la población, se puede comprobar si la ecuación de regresión tiene sentido utilizando el coeficiente de determinación, también conocido como R2 (R al cuadrado). Esto se utiliza como una medida de…

Cómo dibujar una regresión lineal en un gráfico de comercio Cómo dibujar una regresión lineal en un gráfico de comercio

En un gráfico de comercio, puede dibujar una línea (llamada línea de regresión lineal) Que pasa por el centro de la serie de precios, en lugar de a lo largo de sus bordes. Aunque no se puede técnicamente dibujar una línea recta a través del…

Cómo calcular la regresión lineal múltiple para seis sigma Cómo calcular la regresión lineal múltiple para seis sigma

¿Qué deben hacer los profesionales de Six Sigma ver con todas las situaciones en las que más de un X influye en un Y? Tu usas regresión lineal múltiple. Después de todo, ese tipo de situación es más común de lo que una sola variable que…

Análisis Six Sigma: cómo encajar en líneas de regresión lineal simple con excel Análisis Six Sigma: cómo encajar en líneas de regresión lineal simple con excel

Regresión lineal simple se está convirtiendo en una actividad común. Cualquier Sigma Seis practicante con Microsoft Excel, por ejemplo, puede tomar los datos de un X y un Y variable y crear casi de inmediato un gráfico de dispersión de los dos.…

Exponencial (no lineal) crecimiento de análisis de clientes Exponencial (no lineal) crecimiento de análisis de clientes

Uno de los beneficios de la primera representación gráfica de datos es que se puede examinar la relación para estar seguro de una línea que hace un buen trabajo de su montaje. El crecimiento de los clientes es un indicador clave para las…

» » » » Predecir los valores de los clientes con la línea de regresión