ৰিগ্ৰেছন বিশ্লেষণ প্ৰায় প্ৰতিটো ধৰণৰ পৰিসংখ্যাগত চফট্ ৱেৰতে থাকে যেনে SPSS , R, আৰু এক্সেলৰ কথা নকওঁৱেই। ৰিগ্ৰেছনে আমাক চলকসমূহৰ মাজৰ সম্পৰ্কৰ বিষয়ে ডাঙৰ ছবিখন দিব পাৰে। তথ্য বিশ্লেষণ সঁজুলি ব্যৱহাৰ কৰি এক্সেলত ৰৈখিক ৰিগ্ৰেছন যথেষ্ট দ্ৰুতভাৱে কৰিব পাৰি। এই প্ৰবন্ধটোৱে দেখুৱাব যে আপুনি কেনেকৈ এক্সেলত ৰিগ্ৰেছন ফলাফলৰ ব্যাখ্যা কৰিব পাৰে।

অভ্যাস কাৰ্য্যপুস্তিকা ডাউনলোড কৰক

তলত এই অনুশীলন কাৰ্য্যপুস্তিকা ডাউনলোড কৰক।

ৰিগ্ৰেছন কি?

একাধিক চলকৰ মাজৰ সম্পৰ্ক নিৰ্ণয় কৰিবলৈ তথ্য বিশ্লেষণত ৰিগ্ৰেছন বিশ্লেষণ প্ৰায়ে ব্যৱহাৰ কৰা হয়। ৰিগ্ৰেছন বিশ্লেষণে আপোনাক নিৰ্ভৰশীল চলকটোৰ কি হ'ব নিৰ্ব্বাচন কৰাৰ অনুমতি দিয়ে যদি স্বতন্ত্ৰ চলকসমূহৰ এটা সলনি হয়। ইয়াৰ উপৰিও ই আপোনাক গাণিতিকভাৱে কোনবোৰ স্বাধীন চলকৰ প্ৰভাৱ আছে সেইটো জানিবলৈ দিয়ে।

সৰল ৰৈখিক ৰিগ্ৰেছন পৰিসংখ্যাত একাধিক ৰৈখিক ৰিগ্ৰেছন ৰ পৰা পৃথক। এটা ৰৈখিক ফলন ব্যৱহাৰ কৰি, সৰল ৰৈখিক ৰিগ্ৰেছনে চলক আৰু এটা স্বাধীন চলকৰ মাজৰ সম্পৰ্ক বিশ্লেষণ কৰে। একাধিক ৰৈখিক ৰিগ্ৰেছন হ'ল যেতিয়া চলকসমূহ নিৰ্ণয় কৰিবলৈ দুটা বা তাতকৈ অধিক ব্যাখ্যামূলক কাৰক ব্যৱহাৰ কৰা হয়। নিৰ্ভৰশীল চলকৰ পৰিৱৰ্তে অৰৈখিক ৰিগ্ৰেছন ব্যৱহাৰ কৰাটো এটা অৰৈখিক ফলন হিচাপে বৰ্ণনা কৰা হয় কাৰণ তথ্যৰ সম্পৰ্ক ৰৈখিক নহয়। এই লেখাটোত একাধিক ৰৈখিকৰ ওপৰত গুৰুত্ব দিয়া হ'বৰিগ্ৰেছন আপুনি এক্সেলত ৰিগ্ৰেছন ফলাফল কেনেকৈ ব্যাখ্যা কৰিব পাৰে তাক দেখুৱাবলৈ।

এক্সেলত ৰিগ্ৰেছন কৰাৰ পদক্ষেপসমূহ

ৰিগ্ৰেছনৰ উদ্দেশ্যে, আমি তলৰ ডাটাছেটটো ব্যৱহাৰ কৰিম বিশ্লেষণৰ উদ্দেশ্য। ইয়াত স্বতন্ত্ৰ চলকটো হ’ব মূল্য স্তম্ভ আৰু বিক্ৰী স্তম্ভ। স্বাধীন স্তম্ভটো হ'ব চাহিদা স্তম্ভ।

পদক্ষেপ

• আমি Data টেবলৈ গৈ Data Analysis ত ক্লিক কৰি ৰিগ্ৰেছন কৰিব লাগিব।

• এটা নতুন খিৰিকী থাকিব; নিৰ্ভৰশীল চলক আৰু স্বতন্ত্ৰ চলক তথ্য পৰিসীমা নিৰ্ব্বাচন কৰক।
• তাৰ পিছত লেবেলসমূহ বাকচ আৰু আস্থা বাকচত টিক কৰক।
• তাৰ পিছত আউটপুট কোষ পৰিসীমাত ক্লিক কৰক আউটপুট কোষ ঠিকনা নিৰ্ব্বাচন কৰিবলে বাকচত
• পৰৱৰ্তী, অৱশিষ্ট গণনা কৰিবলৈ অৱশিষ্ট ত টিক কৰক।
• তাৰ পিছত, অৱশিষ্ট প্লটসমূহত টিক কৰক আৰু লাইন ফিট প্লটছ বাকচসমূহ
• ইয়াৰ পিছত ঠিক আছে ক্লিক কৰক।

• ক্লিক কৰাৰ পিছত ঠিক আছে, বিশ্লেষণৰ প্ৰাথমিক আউটপুট প্ৰাচলসমূহ ধাৰ্য্য কৰা কোষসমূহত থাকিব।

• তাৰ পিছত আপুনি কিছুমান প্ৰাচলও পাব যেনে ANOVA ( ভেৰিয়েন্সৰ বিশ্লেষণ ) টেবুলত তাৎপৰ্য্য মান আদি।
• ইয়াত, df য়ে বুজায় ভ্যাৰিয়েন্সৰ উৎসৰ সৈতে জড়িত স্বাধীনতাৰ মাত্ৰা।
• SS য়ে বৰ্গৰ যোগফলক বুজায়। আপোনাৰ মডেলে তথ্যসমূহ ভালদৰে প্ৰতিফলিত কৰিব যদিহে... অৱশিষ্ট SS মুঠ SS তকৈ সৰু।
• MS মানে বৰ্গ।
• F শূন্য অনুমানৰ বাবে F -পৰীক্ষাক বুজায়।
• তাৎপৰ্য্য F এ F ৰ P -মান বুজায়।

• তাৰ পিছত আপুনি এটা টেবুলত চলকটোৰ সহগ, তাৎপৰ্য্যৰ মান আদিও পাব।

• তাৰ পিছত আপুনি সহগ টেবুলৰ তলত এটা চূড়ান্ত টেবুল পাব য'ত প্ৰতিটো প্ৰৱেশৰ বাবে অৱশিষ্ট মান থাকে।

• ইয়াৰ পিছত, আপুনি চাহিদা বনাম মূল্য ৰিগ্ৰেছন চাৰ্ট পাব, এটা ট্ৰেণ্ডলাইনৰ সৈতে।

• পিছত এইটো, আপুনি এটা ট্ৰেণ্ডলাইনৰ সৈতে চাহিদা বনাম বিক্ৰী ৰিগ্ৰেছন চাৰ্ট পাব।

• আন এটা আছে বিক্ৰী চলকৰ পৰা প্ৰতিটো প্ৰৱেশৰ অৱশিষ্টৰ বিতৰণ দেখুওৱা চাৰ্ট।

• অৱশিষ্টৰ বিতৰণ দেখুওৱা আন এটা চাৰ্ট আছে তাৰ পিছত, আমি আপোনাক দেখুৱাম যে আপুনি কেনেকৈ ca এই ৰিগ্ৰেছন ফলাফলসমূহ এক্সেলত ব্যাখ্যা কৰা।

অধিক পঢ়ক: এক্সেলত লজিষ্টিক ৰিগ্ৰেছন কেনেকৈ কৰিব লাগে (দ্ৰুত পদক্ষেপৰ সৈতে)

কেনেকৈ ব্যাখ্যা কৰিব লাগে Excel ত ৰিগ্ৰেছনৰ ফলাফল

ৰিগ্ৰেছন বিশ্লেষণ কৰাৰ পিছত আপুনি কৰিবলগীয়া পৰৱৰ্তী কামটো আৰু সেইবোৰৰ ব্যাখ্যা কৰা। ফলাফলসমূহ তলত বৰ্ণনা আৰু বিশদভাৱে উল্লেখ কৰা হৈছে।

একাধিক R-বৰ্গ ৰিগ্ৰেছন মূল্য বিশ্লেষণ

The R-squared সংখ্যাই ডাটাছেটৰ উপাদানসমূহ কিমান ঘনিষ্ঠভাৱে জড়িত আৰু ৰিগ্ৰেছন লাইন ডাটাৰ সৈতে কিমান ভালদৰে মিলিছে তাক সূচায়। আমি বহু ৰৈখিক ৰিগ্ৰেছন বিশ্লেষণ ব্যৱহাৰ কৰিম, য’ত আমি মূল কাৰকটোৰ ওপৰত দুটা বা তাতকৈ অধিক চলকৰ প্ৰভাৱ নিৰ্ণয় কৰিবলৈ ওলাইছো। ইয়াৰ দ্বাৰা নিৰ্ভৰশীল চলকটো কেনেকৈ সলনি হয় তাক বুজায় যে স্বাধীন চলকসমূহৰ এটা সলনি হোৱাৰ লগে লগে। এই সহগটোৰ পৰিসৰ -১ৰ পৰা ১লৈকে। ইয়াত,

• 1 ৰ অৰ্থ হ’ল এটা ঘনিষ্ঠ ধনাত্মক সম্পৰ্ক
• 0 ৰ অৰ্থ হ’ল চলকসমূহৰ মাজত কোনো সম্পৰ্ক নাই। অৰ্থাৎ তথ্য বিন্দুবোৰ যাদৃচ্ছিক।
• -1 ৰ অৰ্থ হ'ল চলকসমূহৰ মাজত বিপৰীত বা ঋণাত্মক সম্পৰ্ক।

ওপৰত দেখুওৱা আউটপুট ফলাফলত প্ৰদত্তৰ একাধিক R-মান ডাটা ছেটসমূহ o.7578( প্ৰায় ), যিয়ে চলকসমূহৰ মাজত শক্তিশালী সম্পৰ্কক সূচায়।

R বৰ্গ

R বৰ্গ মানে নিৰ্ভৰশীল চলকসমূহৰ সঁহাৰি স্বাধীন চলকটোৰ প্ৰতি কেনেকৈ ভিন্ন হয় সেই বিষয়ে ব্যাখ্যা কৰে। আমাৰ ক্ষেত্ৰত মানটো ০.৫৭৪(প্ৰায়), যাক চলকসমূহৰ মাজত যুক্তিসংগতভাৱে ঠিক সম্পৰ্ক হিচাপে ব্যাখ্যা কৰিব পাৰি।

সমন্বিত R-বৰ্গ

এইটো কেৱল R বৰ্গ মানৰ এটা বিকল্প সংস্কৰণ। ই কেৱল পূৰ্বানুমানকাৰী চলকসমূহক শ্বাফেল কৰে যেতিয়া প্ৰতিক্ৰিয়া চলকক পূৰ্বাভাস দিয়ে। ই গণনা কৰে যেনে

R^2 = 1 – [(1-R^2)*(n-1)/(n-k-1)]

ইয়াত, R^2 : আমি পোৱা R^2 মানটোডাটাছেট।

n : পৰ্যবেক্ষণৰ সংখ্যা।

K : ভৱিষ্যদ্বাণীকাৰী চলকৰ সংখ্যা।

তাৎপৰ্য্য এই মান দুটা পূৰ্বানুমানক চলকৰ মাজত ৰিগ্ৰেছন বিশ্লেষণ কৰাৰ সময়ত উদ্ভৱ হয়। যদি ডাটাছেটত এটাতকৈ অধিক পূৰ্বানুমানক চলক থাকে, তেন্তে R বৰ্গ মান ফুলি উঠিব, যিটো অতি অবাঞ্চিত। সমন্বিত R বৰ্গ মান এই মুদ্ৰাস্ফীতি সামঞ্জস্য কৰে আৰু চলকসমূহৰ সঠিক ছবি দিয়ে।

প্ৰামাণিক ভুল

আন এটা গুডনেছ-অফ-ফিট মেট্ৰিক যিয়ে আপোনাৰ ৰিগ্ৰেছন বিশ্লেষণৰ সঠিকতাক সূচায়; মান যিমান কম হ'ব, আপুনি আপোনাৰ ৰিগ্ৰেছন বিশ্লেষণত সিমানেই নিশ্চিত হ'ব পাৰিব।

মানক ভুল হৈছে এটা অভিজ্ঞতাভিত্তিক মেট্ৰিক যিয়ে বিন্দুসমূহে ট্ৰেণ্ডলাইনৰ পৰা বিচ্যুতি ঘটা গড় দূৰত্বক প্ৰতিনিধিত্ব কৰে। ইয়াৰ বিপৰীতে R2 এ নিৰ্ভৰশীল চলক তাৰতম্যৰ অনুপাতক প্ৰতিনিধিত্ব কৰে। এই ক্ষেত্ৰত মানক ভুল ৰ মান ২৮৮.৯ (<১৬>প্ৰায়<১৭>), যিয়ে বুজায় যে আমাৰ ডাটা পইণ্ট, গড়ে, ট্ৰেণ্ডলাইনৰ পৰা ২৮৮.৯ হ্ৰাস পায়।

পৰ্যবেক্ষণসমূহ

পৰ্যবেক্ষণ বা প্ৰৱেশৰ সংখ্যা সূচাওক।

উল্লেখযোগ্য চলক নিৰ্ধাৰণ কৰক

উল্লেখযোগ্যতা মান আমাৰ বিশ্লেষণৰ বিশ্বাসযোগ্যতা (পৰিসংখ্যাগতভাৱে সঠিক) সূচায়। অৰ্থাৎ ই আমাৰ ডাটাছেট ভুল হোৱাৰ সম্ভাৱনাক বুজায়। এই মান ৫% ৰ তলত হ’ব লাগে। কিন্তু এই ক্ষেত্ৰত আমাৰ তাৎপৰ্য্য মান 0.00117,যাৰ অৰ্থ হ’ল ০.১%, যিটো ৫%ৰ বহু তলত। গতিকে আমাৰ বিশ্লেষণ ঠিকেই আছে। অন্যথা আমি আমাৰ বিশ্লেষণৰ বাবে বিভিন্ন চলক বাছি ল'ব লাগিব।

ৰিগ্ৰেছন বিশ্লেষণত P-মান

এটা উল্লেখযোগ্য মানৰ সৈতে ঘনিষ্ঠভাৱে জড়িত, P- মান এ সহগ মান ভুল হোৱাৰ সম্ভাৱনাক বুজায়। P-মানে চলকসমূহৰ সৈতে শূন্য অনুমানৰ সম্পৰ্কক বুজায়।

যদি আপোনাৰ p-মান < তাৎপৰ্য্য সংখ্যা, শূন্য মূল্য অনুমান নাকচ কৰিবলৈ যথেষ্ট প্ৰমাণ আছে। ইয়াৰ অৰ্থ হ'ল চলকসমূহৰ মাজত শূন্য নহোৱা সম্পৰ্ক আছে।

কিন্তু যদি p-মান > তাৎপৰ্য্য মান হয়, তেন্তে তাক উলাই কৰিবলৈ পৰ্যাপ্ত প্ৰমাণ নাথাকিব শূন্য অনুমান। ইয়াৰ অৰ্থ হ'ল যে চলকসমূহৰ মাজত কোনো সম্পৰ্ক থাকিব নোৱাৰে।

বা ক্ষেত্ৰত, চলক মূল্য =0.000948 < 0.00117 (উল্লেখযোগ্যতা মান),

গতিকে ইয়াত কোনো শূন্য অনুমান চলি থকা নাই, আৰু চলকসমূহৰ মাজত এটা সম্পৰ্ক ঘোষণা কৰিবলৈ যথেষ্ট প্ৰমাণ আছে।

আনহাতে, <1 চলকটোৰ বাবে>বিক্ৰী , (পি-মান) 0.0038515 < 0.0011723 (উল্লেখযোগ্যতা মান)

গতিকে ইয়াত এটা শূন্য অনুমান চলি থাকিব পাৰে, আৰু চলকসমূহৰ মাজত শূন্য নহোৱা সম্পৰ্ক ঘোষণা কৰিবলৈ পৰ্যাপ্ত প্ৰমাণ নাই।

বেছিভাগ ক্ষেত্ৰতে, এই P -value এ এটা চলক ডাটাছেটত থাকিব নে নাথাকিব সেইটো নিৰ্ধাৰণ কৰে। উদাহৰণস্বৰূপে, আমি Sold আঁতৰাব লাগেডাটাছেটৰ শক্তিশালীতা ৰক্ষা কৰিবলৈ চলক।

ৰিগ্ৰেছন সমীকৰণ

আমি এক্সেলত ৰৈখিক ৰিগ্ৰেছন বিশ্লেষণ নিৰ্ধাৰণ কৰাৰ লগে লগে ট্ৰেণ্ড লাইনটোও ৰৈখিক হ'ব লাগে। সাধাৰণ ৰূপটো হ’ল:

Y=mX+C।

ইয়াত, Y হৈছে নিৰ্ভৰশীল চলক।

আৰু X হৈছে ইয়াত স্বাধীন চলক, অৰ্থাৎ আমি চলক Y ৰ ওপৰত x চলকৰ পৰিৱৰ্তনৰ প্ৰভাৱ নিৰ্ণয় কৰিম।

C কেৱল Y-অক্ষৰ ছেদকৰ মান হ’ব লাইন।

এই ক্ষেত্ৰত C ইন্টাৰচেপ্টৰ মান 9502.109853

ৰ সমান আৰু চলক দুটাৰ বাবে m ৰ মান -809.265 আৰু 0.424818।

গতিকে, আমাৰ হাতত দুটা পৃথক চলকৰ বাবে চূড়ান্ত সমীকৰণটো আছে।

প্ৰথমটো হ’ল:

আৰু দ্বিতীয় চলকটোৰ বাবে সমীকৰণটো হ’ল:

সহগসমূহ

আমি পোৱা সহগবোৰ হ’ল m1=-809.2655 আৰু m2=04248 । আৰু ইন্টাৰচেপ্টৰ, C= 9502.12 ।

• প্ৰথমে, ইন্টাৰচেপ্টৰৰ মানটোৱে ইংগিত দিয়ে যে মূল্য শূন্য হ’লে চাহিদা 9502 হ’ব।
• আৰু ৰ মানসমূহ m য়ে মূল্য পৰিৱৰ্তনৰ প্ৰতি এককত চাহিদাৰ পৰিৱৰ্তনৰ হাৰ বুজায়। মূল্য সহগ মূল্য -৮০৯.২৬৫, ইয়াৰ পৰা বুজা যায় যে প্ৰতি ইউনিটৰ মূল্য বৃদ্ধিয়ে চাহিদা প্ৰায় ৮০৯ ইউনিট হ্ৰাস কৰিব।
• দ্বিতীয় চলক বিক্ৰীৰ বাবে m মান ০.৪২৪। ইয়াৰ অৰ্থ হ’ল প্ৰতি ইউনিট বিক্ৰী হোৱা বস্তুৰ পৰিৱৰ্তনফলত উৎপাদনৰ 0424-সময়ৰ একক বৃদ্ধি হ'ব।

অৱশিষ্ট

মূল আৰু গণনা কৰা অৱশিষ্ট পাৰ্থক্য ৰিগ্ৰেছন লাইনৰ পৰা প্ৰৱেশটোৱেই পাৰ্থক্য। অৱশিষ্ট এ প্ৰকৃত মানটো ৰেখাৰ পৰা কিমান দূৰত আছে তাক সূচায়। উদাহৰণস্বৰূপে, প্ৰথম প্ৰৱেশৰ বাবে ৰিগ্ৰেছন বিশ্লেষণৰ পৰা গণনা কৰা প্ৰৱেশ ৯৪৯৭। আৰু প্ৰথম মূল মান ৯৫০০। গতিকে অৱশিষ্ট প্ৰায় ২.১০৯।

T-পৰিসংখ্যা মান

T-statics মান হৈছে সহগক প্ৰামাণিক মানৰ দ্বাৰা বিভাজন। মান যিমানেই বেছি হ'ব সিমানেই সহগটোৰ নিৰ্ভৰযোগ্যতাই সূচায়।

এই মানৰ আন এটা তাৎপৰ্য্য আছে, যিটো P-মান গণনা কৰিবলৈ প্ৰয়োজনীয়।

95% আস্থাৰ ব্যৱধান

ইয়াত আমি আৰম্ভণিতে 95 হিচাপে নিৰ্ধাৰণ কৰা চলকটোৰ আস্থা। ই সলনি হ'ব পাৰে, যদিও।

• ইয়াত, নিম্ন 95% ৰ সহগ মান 8496.84 হিচাপে গণনা কৰা হৈছে মানে ওপৰৰ 95% 10507.37 হিচাপে গণনা কৰা হৈছে,
• ইয়াৰ অৰ্থ হ'ল যে আমাৰ... মূল সহগটো প্ৰায়, 9502.1.95% ক্ষেত্ৰত মান 8496 ৰ তলত হোৱাৰ সম্ভাৱনা বেছি আৰু 10507.37

অধিক পঢ়ক:

মনত ৰখা কথাবোৰ

✎ ৰিগ্ৰেছন বিশ্লেষণ পদ্ধতিয়ে কেৱল পৰীক্ষাৰ অধীনত থকা চলকসমূহৰ মাজৰ সম্পৰ্কৰ মূল্যায়ন কৰে। ই কাৰণগততা প্ৰতিষ্ঠা নকৰে। আন কিছুমান দিশত কেৱল দিশটোহেৰ সম্পৰ্ক বিবেচনা কৰে। যেতিয়া কোনো এটা কাৰ্য্যই কিবা এটাৰ সৃষ্টি কৰে, তেতিয়া সেয়া কাৰণত পৰিণত হয়। যেতিয়া এটা চলকৰ পৰিৱৰ্তনে পৰিৱৰ্তন সৃষ্টি কৰে, তেতিয়া ইয়াক কাৰণ বুলি ধৰিব পাৰি।

✎ ৰিগ্ৰেছন বিশ্লেষণে আউটলাইয়াৰৰ দ্বাৰা যথেষ্ট বাধাৰ সৃষ্টি কৰে। বিশ্লেষণ কৰাৰ আগতে সকলো ধৰণৰ আউটলাইয়াৰ আঁতৰাই পেলাব লাগিব। এক্সেলত ৰিগ্ৰেছন বিশ্লেষণৰ ফলাফল বিশ্লেষণ আৰু ব্যাখ্যা কৰিবলৈ আপুনি এই কথাবোৰ বিবেচনা কৰিব লাগিব।

উপসংহাৰ

ইয়াৰ সাৰাংশ ক’বলৈ গ’লে, “এক্সেলত ৰিগ্ৰেছনৰ ফলাফল কেনেকৈ ব্যাখ্যা কৰিব” প্ৰশ্নটোৰ উত্তৰ বিশদভাৱে দিয়া হৈছে বিশ্লেষণ আৰু পিছলৈ ইয়াৰ ব্যাখ্যা কৰা। বিশ্লেষণ তথ্য বিশ্লেষণ সঁজুলিৰ যোগেদি কৰা হয় তথ্য টেবত।

এই সমস্যাৰ বাবে, এটা কাৰ্য্যপুস্তিকা ডাউনলোডৰ বাবে উপলব্ধ য'ত আপুনি ৰিগ্ৰেছন বিশ্লেষণ আৰু ব্যাখ্যা কৰিব পাৰে it.

মন্তব্য অংশৰ জৰিয়তে যিকোনো প্ৰশ্ন বা মতামত সুধিব পাৰে। Exceldemy সম্প্ৰদায়ৰ উন্নতিৰ বাবে যিকোনো পৰামৰ্শ অতিশয় প্ৰশংসনীয় হ'ব।