Summary  
This chapter covers implementing linear regression to model and predict relationships between variables by fitting models, evaluating fit with R² and residual plots, interpreting coefficients, and applying the regression formula to new inputs.

General domain of usage  
Business forecasting

In diesem Kapitel werden wir die Grundlagen der Durchführung einer **linearen Regressionsanalyse** mit Microsoft Excel untersuchen. Die lineare Regression ist eine grundlegende statistische Methode, mit der sich die **Beziehung zwischen zwei oder mehr Variablen** analysieren lässt.

Am Ende dieses Kapitels wirst du lernen, wie man mit Excel **Ergebnisse modelliert und vorhersagt** basierend auf **historischen Daten** – eine wichtige Fähigkeit in vielen Bereichen wie Wirtschaft, Business und Wissenschaft.

# Aufgabe

In dieser praktischen Übung werden die in diesem Kapitel erlernten **Techniken der linearen Regression** auf einen realen Datensatz angewendet.



Verwende den Datensatz aus dem vorherigen Kapitel.

Das Ziel ist die Vorhersage der **Monthly Sales** basierend auf dem **Advertising Budget** und den **Monthly Visitors**.

Hinweis

* Öffnen Sie zunächst Ihre Excel-Arbeitsmappe, die die Spalten **Monthly Sales** und **Advertising Budget** sowie weitere enthält;
* Wechseln Sie zur Registerkarte **Daten** in Excel und wählen Sie **Datenanalyse** aus;
* Wählen Sie aus der Liste der Analysetools **Regression** und fahren Sie fort;
* Geben Sie im Dialogfeld **Regression** **Monthly Sales** als **Dependent Variable (Y Range)** und **Advertising Budget** sowie **Monthly Visitors** als **Independent Variables (X Range)** an;
* Falls Ihre ausgewählten Daten Überschriften enthalten, aktivieren Sie das Kontrollkästchen **Labels**. Legen Sie fest, wo die Analyseergebnisse auf Ihrem Arbeitsblatt angezeigt werden sollen, indem Sie den **Output Range** auswählen;
* Aktivieren Sie **Residuals**, um eine Fehleranalyse in Ihre Ausgabe einzubeziehen;
* Klicken Sie auf **OK**, um die **Regression Analysis** auszuführen. Überprüfen Sie die Ergebnisse, achten Sie besonders auf den **R-squared value**, um die Modellgüte zu bewerten, und analysieren Sie die Koeffizienten, um den Einfluss von **Advertising Budget** und **Monthly Visitors** auf **Monthly Sales** einzuschätzen;
* Verwenden Sie die aus Ihrer Regressionsanalyse abgeleiteten Koeffizienten, um eine **Formel zu erstellen**, die die Verkäufe auf Basis unterschiedlicher Werbebudgets vorhersagt;
* Testen Sie diese Formel, indem Sie die Werte für **Advertising Budget** und **Monthly Visitors** ändern, um die Auswirkungen auf die prognostizierten **Monthly Sales** zu beobachten.


Wie lautet der R-squared value Ihres Regressionsmodells?

Wie lautet die Formel zur Schätzung von Monthly Sales (`MS`) unter Verwendung von Monthly Visitors (`MV`) und Advertising Budget (`AB`)?

Wie hoch wären die geschätzten monatlichen Verkaufszahlen bei einem Werbebudget von 5000 und 300 monatlichen Besuchern?

Datenanalyse mit Excel bietet einen praktischen Leitfaden zur Beherrschung der wichtigsten Techniken der Datenverwaltung, -manipulation und -analyse mit Microsoft Excel. Sie werden die leistungsstarken Fähigkeiten von Excel beherrschen, indem Sie sich durch Datenanalysemethoden arbeiten und dynamische Visualisierungen und interaktive Dashboards erstellen. Am Ende werden Sie lernen, Berichte zu automatisieren und fortgeschrittene Analysen anzuwenden, um fundierte, datengestützte Entscheidungen effizient zu treffen.

Lernen Sie, wie Sie Daten mit fortgeschrittenen Excel-Funktionen importieren, bereinigen und transformieren, um Datensätze für eine eingehende Analyse vorzubereiten. Beherrschen Sie Techniken, um komplexe Daten mit Nachschlagefunktionen zu navigieren.

Tauchen Sie in den Kern der analytischen Leistungsfähigkeit von Excel ein, indem Sie bedingte Analysen, statistische Funktionen und PivotTables beherrschen. Dieser Abschnitt lehrt Sie, wie Sie mit einer Vielzahl von Analysetools aussagekräftige Erkenntnisse aus großen Datensätzen gewinnen.

Erwerben Sie die Fähigkeiten, statistische Diagramme zu erstellen, um interaktive Dashboards zu entwickeln, die Daten visuell kommunizieren. Lernen Sie, sich wiederholende Aufgaben zu automatisieren und Berichte effizient zu erstellen, um die Produktivität und die Dateninteraktion zu verbessern.

Es behandelt die Korrelationsanalyse zur Bestimmung von Beziehungen zwischen Variablen unter Verwendung des Pearson-Korrelationskoeffizienten, lineare Regression zur Untersuchung von Variablenbeziehungen, die Hinzufügung von Trendlinien zur Musteranalyse in der Prognose und die Verwendung von t-Tests und z-Tests in der Hypothesentestung zur Bewertung der statistischen Signifikanz.

Regressionsanalyse in Excel

Aufgabe

1. Wie lautet der R-squared value Ihres Regressionsmodells?

2. Wie lautet die Formel zur Schätzung von Monthly Sales (`MS`) unter Verwendung von Monthly Visitors (`MV`) und Advertising Budget (`AB`)?

3. Wie hoch wären die geschätzten monatlichen Verkaufszahlen bei einem Werbebudget von 5000 und 300 monatlichen Besuchern?

Regressionsanalyse in Excel

Aufgabe

1. Wie lautet der R-squared value Ihres Regressionsmodells?

2. Wie lautet die Formel zur Schätzung von Monthly Sales (MS) unter Verwendung von Monthly Visitors (MV) und Advertising Budget (AB)?

3. Wie hoch wären die geschätzten monatlichen Verkaufszahlen bei einem Werbebudget von 5000 und 300 monatlichen Besuchern?

2. Wie lautet die Formel zur Schätzung von Monthly Sales (`MS`) unter Verwendung von Monthly Visitors (`MV`) und Advertising Budget (`AB`)?