炼金机是一个令人难以置信的强大的在线调查软件平台。它不断投票给G2,FinanceNine等最佳测量工具之一。为了使其更加容易,我们创建了一系列博客,以帮助您更好地了解如何从炼金术账户中获得最大的博客。
回归分析是一种强大的统计方法,允许您检查两个或多个兴趣变量之间的关系。
虽然存在许多类型的回归分析,但在他们的核心时,它们都会检查一个或多个独立变量对从属变量的影响。
回归分析提供详细的洞察,可以应用于进一步改善产品和服务。
在炼金术师,我们提供实践应用训练客户在哪些事件学习如何成为我们软件的超级用户。
为了了解这些培训活动所传递的价值,我们向参与者分发后续调查,目标是了解他们喜欢什么,不喜欢什么,以及我们可以在未来的培训中改进什么。
从这些数据收集的数据反馈调查允许我们衡量与我们的与会者与我们的活动相关联的满足程度,以及什么变量影响那些满意程度。
会不会是个别会议的主题?会议的时长?提供的食物或餐饮服务?参加的费用是多少?这些变量中的任何一个都有可能影响与会者的满意度水平。
通过对该调查数据进行回归分析,我们可以确定这些变量是否影响了整体参与者满意度,如果是,则在多大程度上。
此信息然后通知我们,我们正在接收到哪些会议的元素,以及我们需要关注的关注,以便将来更满意。
什么是回归分析,执行回归意味着什么?
回归分析是一种可靠的方法,可以确定识别哪些变量对感兴趣的话题产生影响。执行回归的过程允许您自信地确定最重要的是哪些因素,这些因素可以被忽略,以及这些因素如何互相影响。
为了完全了解回归分析,必须理解以下条款是必不可少的:
- 因变量:这是你试图理解或预测的主要因素。
- 独立变量:这些是你假设对因变量有影响的因素。
在我们上面的应用培训例子中,参与者对事件的满意度是我们的因变量。所涵盖的主题、会议时长、提供的食物和票价是我们的独立变量。
回归分析是如何工作的?
为了进行回归分析,您需要定义一个因变量,您假设该因变量受到一个或多个独立变量的影响。
然后,您将需要建立一个全面的数据集以与之合作。向您的受众进行调查是建立此数据集的完全理由。您的调查应包括解决您感兴趣的所有独立变量的问题。
让我们继续使用我们的应用程序培训示例。在这种情况下,我们希望衡量与过去三年左右的事件的历史满意度(或者长期以来,您认为统计上很重要),以及对独立变量的任何信息。
也许我们特别好奇的是,门票的价格是如何影响满意度的。
为了开始调查这两个变量之间是否存在关系,我们将首先在图表上绘制这些数据点,这看起来像以下理论例子。
(绘制数据是弄清楚自变量和因变量之间是否存在关系的第一步)
我们的因变量(在本例中是事件满意度)应该画在y轴上,而我们的自变量(事件票的价格)应该画在x轴上。
绘制数据后,您可能会开始查看相关性。如果上面的理论图表确实代表了票价对事件满足的影响,那么我们能够自信地说票价越高,活动满足程度越高。
但是,我们如何知道票价对赛事满意度的影响程度呢?
要开始回答这个问题,在图表上所有数据点的中间画一条线。这条线被称为您的回归线,它可以使用标准统计程序(如Excel)精确计算。
我们将再次使用理论图表来描述回归线应该是什么样的。
回归线表示自变量与从属变量之间的关系。
Excel甚至会提供直线斜率的公式,这将进一步为自变量和因变量之间的关系添加上下文。
回归线的公式可能看起来像y = 100 + 7x +错误项.
这告诉你,如果没有“x”,那么y = 100.如果x是我们的票价的增加,这会告诉我们,如果票价没有增加,事件满意度仍将增加100分。
你会注意到,用Excel计算的斜率公式包含一个误差项。回归线总是考虑一个误差项,因为在现实中,自变量从来都不是因变量的精确的完美预测者。在考察票价对赛事满意度的影响时,这是有意义的——除了价格,显然还有其他变量对赛事满意度有贡献。
您的回归线只是基于可用的数据的估计。所以,你的错误术语越大,你的回归线的确定越少。
为什么您的组织应该使用回归分析?
回归分析是有用的统计方法,可以在组织中利用以确定特定独立变量影响依赖变量的程度。
进行回归分析以产生有价值的、可操作的业务见解的可能场景是无穷无尽的。
下次您的业务中的某个人提出一个假设,指出了一个因素,无论您是否可以控制该因素,都会影响业务的一部分,建议进行回归分析,以确定您应该在该假设中的信心程度!!这将允许您制定更明智的业务决策,更有效地分配资源,最终提升您的底线。