Du har registreret temperaturen og antallet af solgte is i din bod de seneste 14 dage. Tallene ligger spredt i dit regneark, men når du tegner dem ind i et koordinatsystem, aner du en tendens: jo varmere vejr, jo mere is. Spørgsmålet er, hvilken ret linje der bedst beskriver den sammenhæng. Svaret finder du ved hjælp af lineær regression.

Lineær regression er et af de vigtigste redskaber i gymnasiets matematik og bruges både til mat B, mat A og samfundsfag A. I denne artikel gennemgår vi, hvad a og b i regressionslinjen fortæller dig, hvordan du laver lineær regression i GeoGebra og Excel trin for trin, hvad R² og korrelationskoefficienten betyder, og hvornår du skal vælge lineær frem for eksponentiel eller potensregression. Du finder også et gennemregnet eksamenseksempel til mat B.

Hvad er lineær regression?

Nøglebegreb

Lineær regression

Lineær regression er en statistisk metode, der finder den rette linje, som bedst beskriver sammenhængen i et sæt datapunkter. Linjen skrives som y = ax + b, hvor a er hældningskoefficienten og b er skæringspunktet med y-aksen. Metoden bruges til at modellere og forudsige udviklinger.

Eksempel: Hvis du har målinger for BNP og forventet levær i 30 lande, finder lineær regression den linje, der samlet set er tættest på alle punkterne. Jo højere R², jo stærkere er den lineære sammenhæng.

Regressionslinjen er ikke en tilfældig ret linje trukket igennem punkterne. Den er præcis den linje, der minimerer summen af de kvadrerede lodrette afstande fra alle datapunkter til linjen. Det er matematisk den bedst mulige lineære model for dit datasæt og afspejler den tendens, der er i dine data.

Hvad betyder a og b i regressionsmodellen?

Tag dette konkrete eksempel: din regressionsanalyse giver dig linjen \( f(x) = 2{,}4x + 15 \). Nu har du to tal at tolke. De er ikke bare symboler, de fortæller dig noget brugbart om, hvordan dine data opfører sig.

Formel

Regressionslinjen (lineær model)

\[y = a \cdot x + b\]

Variable

SymbolNavn
\( a \)Hældningskoefficient
\( b \)Skæringspunkt med y-aksen
\( x \)Uafhængig variabel (input)
\( y \)Afhængig variabel (forudsigelse)
Hvornår: Brug denne formel når du vil beskrive en tilnærmelsesvis lineær sammenhæng og forudsige y-værdier ud fra kendte x-værdier.
\[y = a \cdot x + b\]

I eksemplet \( f(x) = 2{,}4x + 15 \) er a = 2,4. Det fortæller dig, at for hver gang x stiger med 1 enhed, stiger y med 2,4 enheder. Er din x-variabel antal reklamevisninger i tusinder og y antal salg, betyder a = 2,4 at 1.000 ekstra visninger gænnemsnitligt giver 2,4 ekstra salg. Konstanten b = 15 er den forventede y-værdi, når x = 0, dvs. skæringspunktet med y-aksen.

Er a positiv, stiger linjen. Er a negativ, falder den. Vil du genopfriske den grundlæggende teori om den lineære funktion, finder du en grundig gennemgang der.

Mindste kvadraters metode: sådan finder computeren den bedste linje

Når GeoGebra eller Excel beregner din regressionslinje, løser programmet et optimeringsproblem bag kulissen. For hvert datapunkt måler det den lodrette afstand fra punktet til linjen og opløfter den i anden. Summen af alle disse kvadrerede afstande skal gøres så lille som muligt. Metoden hedder mindste kvadraters metode.

Årsagen til at man kvadrerer afstandene er, at positive og negative afvigelser ellers ville ophæve hinanden. Ved at kvadrere sikrer man, at alle afvigelser tæller positivt, og at store afvigelser straffes hårdere end små. Resultatet er den ene og eneste rette linje, der matematisk er den bedste lineære beskrivelse af dit datasæt.

Vil du se et animeret bevis for, hvorfor netop kvadreringen fører til den bedste linje, giver Khan Academys gennemgang af lineær regression en intuitiv, visuelt forklaring på mindste kvadraters metode.

Datapunkter og regressionslinje

Lineær regression i GeoGebra: trin for trin

GeoGebra er standardredskabet til mat B og mat A. Lineær regression håndterer det hurtigt via funktionen Tovejet analyse. Følg disse trin:

  1. 1

    Åbn GeoGebra og indskriv data

    Gå til geogebra.org/classic og åbn regnearket (View > Spreadsheet). Skriv dine x-værdier i kolonne A og y-værdier i kolonne B. Giv gerne overskrifter i række 1, men inkluder dem ikke i markeringen til regressionen.

  2. 2

    Marker data og lav punktdiagram

    Marker alle talceller (ikke overskrifter). Højreklik og vælg 'Opret punktdiagram'. GeoGebra tegner datapunkterne i grafvinduet som orange prikker.

  3. 3

    Åbn Tovejet analyse

    Marker dine data igen i regnearket. Klik på menuen og vælg 'Tovejet analyse' (Two Variable Regression Analysis). Et nyt vindue åbnes med dine punkter og en rullemenu til regressionstype.

  4. 4

    Vælg lineær regression og aflæs

    Vælg 'Lineær' fra rullemenuen. GeoGebra tegner regressionslinjen og viser formlen y = ax + b med konkrete værdier for a og b, samt r²-værdien. Notér disse tre tal.

  5. 5

    Vurder modellen

    Se på xy-plottet: Ligger punkterne tæt langs linjen? En høj r² (tæt på 1) og prikker nær linjen bekræfter, at lineær regression er en god beskrivelse af dine data.

Lineær regression i Excel: xy-plot og tendenslinje

Excel er alternativet, når du arbejder med store datasæt fra f.eks. Danmarks Statistik eller OECD. Her bygger du tendenslinjen direkte på et punktdiagram. Processen er anderledes end i GeoGebra, men resultatet er det samme.

  1. 1

    Opret et xy-plot

    Skriv x-værdier i kolonne A og y-værdier i kolonne B. Marker begge kolonner, gå til 'Indsæt' og vælg 'Punktdiagram (XY)' uden forbindelseslinjer. Du ser nu datapunkterne i et koordinatsystem.

  2. 2

    Tilføj en tendenslinje

    Højreklik på et af punkterne og vælg 'Tilføj tendenslinje'. Vælg 'Lineær' som type i indstillingspanelet til højre. Excel tegner nu regressionslinjen i diagrammet.

  3. 3

    Vis ligning og R²

    Sæt flueben ved 'Vis ligning i diagram' og 'Vis R-kvadreret værdi i diagram'. Excel viser nu ligningen y = ax + b og værdien af R² direkte i plottet.

  4. 4

    Aflæs og fortolk

    Notér a, b og R². Kig altid på det visuelle billede: krummer punkterne, eller følger de linjen? En høj R² garanterer ikke en god model, hvis kurven burde være eksponentiel.

Determinationskoefficienten R² og korrelationskoefficienten r

Du får R² = 0,89 fra din analyse. Hvad vil det sige? R² måler, hvor stor en andel af variationen i y-data der forklares af den lineære model. R² = 0,89 betyder, at 89 % af variationen i y kan forklares af x. De resterende 11 % skyldes andre faktorer eller tilfældig variation. R² er altid mellem 0 og 1.

Formel

Korrelationskoefficienten r

\[r = \pm\sqrt{R^2}\]

Variable

SymbolNavn
\( r \)Korrelationskoefficient
\( R^2 \)Determinationskoefficient
Hvornår: Tag kvadratroden af R² og sæt minustegn foran, hvis sammenhængen er aftagende (negativ hældning). r er altid mellem -1 og 1.
\[r = \pm\sqrt{R^2}\]
R²-værdiFortolkningHvad det betyder i praksis
0,90 til 1,00Meget stærk lineær sammenhængPunkterne ligger tæt på linjen; modellen er pålidelig
0,70 til 0,89Stærk sammenhængModellen forklarer over 70 % af variationen
0,50 til 0,69Moderat sammenhængNogen variation uforklaret; vurdér xy-plottet nøje
Under 0,50Svag eller ingen lineær sammenhængOvervej en anden modeltype

Husk: en høj R² er ikke i sig selv bevis på en god model. Selv R² = 0,97 kan dække over data, der faktisk følger en eksponentiel kurve. Kig altid på xy-plottet og vurder, om punkterne visuelt ligner en ret linje og ikke en kurve.

Lineær regression i samfundsfag A

I samfundsfag A møder du lineær regression, når du analyserer statistiske data fra f.eks. Danmarks Statistik, OECD eller Eurostat. Terminologien er lidt anderledes her. Du taler om afhængige og uafhængige variable: den uafhængige variabel (x) er den, du antager påvirker noget; den afhængige variabel (y) er den, der påvirkes. Hvad der er hvad, afgør du ud fra din samfundsfaglige viden og sunde fornuft.

Forestil dig et diagram over sammenhængen mellem BNP pr. indbygger (x) og forventede levår (y) i 30 OECD-lande. Tendenslinjen stiger, og R² = 0,76. Det fortæller dig, at 76 % af variationen i levår kan forklares af BNP. De resterende 24 % må skyldes andre faktorer som sundhedssystem, kost og livsstil. I din skriftlige besvarelse skal du både aflæse tal fra diagrammet og levere en samfundsfaglig forklaring.

Korrelation er ikke kausalitet

At to variable følges ad (korrelerer) betyder ikke, at den ene er årsag til den anden. R² fortæller dig styrken af den statistiske sammenhæng, men den samfundsfaglige forklaring skal du levere med teori og argumentation. En høj R² kan også skyldes en bagvedliggende tredje variabel, der påvirker begge.

Lineær, eksponentiel eller potensregression: hvornår bruger du hvad?

Lineær regression er ikke altid det rigtige valg. Vokser dine data hurtigt med stigende hastighed, er en eksponentiel funktion sandsynligvis et bedre fit. Kig på xy-plottet først: krummer punkterne opad, eller følger de en ret linje?

RegressionstypeForskriftHvornår bruger du den?
Lineæry = ax + bPunkterne følger en ret linje; konstant vækst pr. enhed x
Eksponentiely = b * a^xProcentvis vækst pr. enhed; kurven buer opad eller nedad
Potensy = b * x^aSammenhængen skalerer som en potens; typisk nul nær origo

Lineær, eksponentiel og potensregression sammenlignet

En god metode er at lave regression med alle tre typer i GeoGebra og sammenligne R²-værdierne. Den model med den højeste R² og det bedste visuelle fit er i de fleste tilfælde den rigtige valg. Husk dog at vurdere om sammehængen giver faglig mening.

Eksamenseksempel: lineær regression til mat B

Her er et opgaveeksempel af den type, du møder til mat B-eksamen. Datasættet viser sammenhængen mellem antal reklamevisninger x (i tusinder) og antal solgte produkter y over seks uger.

Eksempelopgave

En virksomhed registrerer ugentligt antal reklamevisninger x (i tusinder) og antal solgte produkter y. Målingerne giver punkterne: (2, 45), (4, 68), (6, 91), (8, 112), (10, 138), (12, 160). Find ved lineær regression en forskrift for y som funktion af x, og bestem R². Fortolk også værdien af a.

Vis løsning
  1. 1

    Lav xy-plot og vurder data visuelt

    Skriv x-værdier (2, 4, 6, 8, 10, 12) i kolonne A og y-værdier (45, 68, 91, 112, 138, 160) i kolonne B. Tegn et punktdiagram. Punkterne ligger tilnærmelsesvis på en ret linje med stigende tendens. Lineær regression er passende.

  2. 2

    Udfør regressionsanalysen i GeoGebra

    Vælg Tovejet analyse > Lineær i GeoGebra. Programmet beregner de værdier for a og b, der minimerer summen af de kvadrerede afstande fra punkterne til linjen.

    \[ y = 9{,}71 \cdot x + 25{,}67 \]
  3. 3

    Fortolk a og b

    Hældningskoefficienten a = 9,71 fortæller, at for hver 1.000 ekstra reklamevisninger forventes gennemsnitligt 9,71 ekstra solgte produkter. Skæringspunktet b = 25,67 er det forventede salg ved 0 reklamevisninger, et hypotetisk baggrundstal der kan være svært at fortolke i praksis.

  4. 4

    Vurder R² og beregn r

    Regressionsanalysen giver R² = 0,999. Det er meget tæt på 1, så 99,9 % af variationen i salg forklares af antallet af reklamevisninger. Da sammenhængen er stigende, er r positiv:

    \[ r = +\sqrt{0{,}999} \approx 0{,}9995 \]

Kæmper du med regressionsopgaver til eksamen?

Mere end 1.000 certificerede tutorer er klar til at hjælpe dig med lineær regression, GeoGebra og alt det andet i mat B og mat A. Prøv din første time gratis, ingen binding.

Få en gratis prøvetime

Quiz

Test dig selv: lineær regression

0/4 besvaret

Svar på spørgsmålene herunder og se, om du har styr på de vigtigste begreber.

1. Hvad angiver hældningskoefficienten a i regressionslinjen y = ax + b?

2. En regressionsanalyse giver R² = 0,93. Hvad kan du konkludere?

3. Mindste kvadraters metode minimerer summen af de lodrette afstande fra datapunkterne til regressionslinjen, uden at kvadrere dem.

4. Du laver lineær regression og får R² = 0,28. Hvad bør du gøre som det første?

Ofte stillede spørgsmål om lineær regression

Hvad er forskellen på R² og korrelationskoefficienten r?
R² (determinationskoefficienten) fortæller, hvor stor en andel af variationen i y der forklares af x i modellen. Korrelationskoefficienten r er kvadratroden af R² og tager fortegn efter om sammenhængen er stigende (+) eller faldende (-). R² er altid mellem 0 og 1, mens r er mellem -1 og 1.
Hvornår skal jeg vælge eksponentiel regression frem for lineær?
Vælg eksponentiel regression, hvis datapunkterne vokser procentvis pr. enhed og xy-plottet viser en kurve (bue) frem for en ret linje. Et godt tegn er, at din eksponentielle models R² er markant højere end den lineære models R². Kig altid på xy-plottet først.
Hvad gør mindste kvadraters metode præcis?
Metoden finder de værdier for a og b i y = ax + b, der minimerer summen af de kvadrerede lodrette afstande fra alle datapunkter til regressionslinjen. Det giver den ene og eneste rette linje, der matematisk er den bedste lineære beskrivelse af dit datasæt.
Kan R² = 1, og hvad betyder det?
Ja. R² = 1 betyder, at alle datapunkter ligger nøjagtigt på regressionslinjen og modellen forklarer 100 % af variationen. Det sker kun ved en perfekt lineær sammenhæng. I praksis er R² næsten aldrig 1 med reelle data.
Hvad er et xy-plot?
Et xy-plot (også kaldet punktdiagram eller scatterplot) er et diagram, hvor hvert datapunkt vises som en enkelt prik med sin x- og y-koordinat. Det er det første skridt i regressionsanalyse: kig på xy-plottet og vurder, om dine data overhovedet ligner en ret linje, før du vælger lineær regression.