Indholdsfortegnelse
Hvis du leder efter måder at beregne P-værdi eller sandsynlighedsværdi i lineær regression i Excel, så er du kommet til det rette sted. P-værdi bruges til at bestemme sandsynligheden for resultaterne af hypotetiske tests. Vi kan analysere resultaterne ud fra 2 hypoteser; den Nul-hypotese og Alternativ hypotese . ved hjælp af P-værdi kan vi afgøre, om resultatet støtter nulhypotesen eller den alternative hypotese.
Så lad os komme i gang med hovedartiklen.
Download arbejdsbog
P-værdi.xlsx3 måder at beregne P-værdien i lineær regression i Excel på
Her har vi nogle forventede salgsværdier og faktiske salgsværdier for nogle af virksomhedens produkter. Vi vil sammenligne disse salgsværdier og bestemme sandsynlighedsværdien, og derefter vil vi bestemme, om P nulhypotesen støtter nulhypotesen eller den alternative hypotese. nulhypotesen antager, at der ikke er nogen forskel mellem de to typer salgsværdier, og den alternative hypotese vil tage hensyn til forskellene mellem disse to sæt værdier.
Vi har brugt Microsoft Office 365 version her, men du kan bruge andre versioner, hvis det passer dig.
Metode-1: Brug af "t-Test Analysis Tool" til at beregne P-værdien
Her vil vi bruge analyseværktøjspakken, der indeholder analyseværktøjet t-Test, til at bestemme den P-værdi for disse to sæt af salgsdata.
Trin :
Hvis du ikke har aktiveret dataanalyseværktøjet, skal du først aktivere denne værktøjspakke i første omgang.
➤ Klik på Fil fanebladet.
➤ Vælg Indstillinger .
Herefter vil den Excel-muligheder dialogboksen vises.
➤ Vælg den Tilføjelser på venstre side.
➤ Vælg den Excel Tilføjelser i Administrer feltet, og tryk derefter på Gå til .
Herefter vil den Tilføjelser dialogboksen vises.
➤ Kontroller den Analyse ToolPak og tryk på OK .
➤ Gå nu til Data Fane>> Analyse Gruppe>> Analyse af data Mulighed.
Derefter er det Analyse af data vises.
➤ Vælg den ønskede indstilling t-Test: parvis to stikprøver for middelværdier fra forskellige muligheder for Analyseværktøjer .
Herefter vil den t-Test: parvis to stikprøver for middelværdier åbnes.
➤ Som Input skal vi angive to variable intervaller; $C$4:$C$11 til Variabel 1 Område og $D$4:$D$11 til Variabel 2 Område , som Udgangsområde har vi valgt $E$4 .
➤ Du kan ændre værdien for Alpha fra 0.05 (genereres automatisk) til 0.01 fordi den udpegede værdi for denne konstant generelt er 0.05 eller 0.01 .
➤ Til sidst skal du trykke på OK .
Herefter får du den P-værdi for to tilfælde; værdien med én hale er 0.00059568 og værdien med to haler er 0.0011913 Vi kan se, at der er tale om en enhalet P-værdi er halvdelen af den dobbelthale P-værdi Fordi den to-tail P-værdi tager hensyn til både stigningen og faldet i mærkerne, mens den en-hale P-værdi tager kun et af disse tilfælde i betragtning.
Desuden kan vi se, at for Alpha-værdien på 0.05 vi får den P værdier mindre end 0.05 hvilket betyder, at den ignorerer nulhypotesen, og at dataene derfor er meget signifikante.
Læs mere: Sådan fortolker du lineære regressionsresultater i Excel (med nemme trin)
Metode-2: Brug af T.TEST-funktionen til at beregne P-værdien i lineær regression i Excel
I dette afsnit vil vi bruge T.TEST-funktion til at bestemme den P-værdier for haler 1 og 2 .
Trin :
Vi begynder med at bestemme den P-værdi for hale 1 eller i én retning.
➤ Indtast følgende formel i celle F5 .
=T.TEST(C4:C11,D4:D11,1,1)Her, C4:C11 er intervallet for Forventet salg , D4:D11 er intervallet for Faktisk salg , 1 er haleværdien og den sidste 1 er for den Parret type.
Når du har trykket på INDTAST , vi får den P-værdi 0.00059568 for hale 1 .
➤ Anvend følgende formel i celle F6 til at bestemme den P-værdi for hale 2 eller i begge retninger.
=T.TEST(C4:C11,D4:D11,2,1)
Her, C4:C11 er intervallet for Forventet salg , D4:D11 er intervallet for Faktisk salg , 2 er haleværdien og den sidste 1 er for den Parret type.
Læs mere: Multipel lineær regression på Excel-datasæt (2 metoder)
Metode-3: Brug af CORREL, T.DIST.2T-funktioner til at beregne P-værdien i lineær regression
Vi vil bestemme P-værdi til korrelation her ved hjælp af CORREL , T.DIST.2T funktioner.
For at gøre dette har vi oprettet nogle kolonner med overskrifter I alt Punkt , Korrel. faktor , t Værdi , og P-værdi og vi har også indtastet værdien for det samlede antal varer, som er 8 .
Trin :
➤ For det første bestemmer vi den Korrel.faktor ved at indtaste følgende formel i celle C14 .
=CORREL(C4:C11,D4:D11)
Her, C4:C11 er intervallet for Forventet salg , og D4:D11 er intervallet for Faktisk salg .
➤ For at bestemme den t-værdi skriv følgende formel i celle D14 .
=(C14*SQRT(B14-2))/SQRT(1-C14*C14)
Her, C14 er korrelationsfaktoren, og B14 er det samlede antal produkter.
- SQRT(B14-2) bliver
SQRT(8-2) → SQRT(6) giver kvadratroden af 6 .
Udgang → 2.4494897
- C14*SQRT(B14-2) bliver
0.452421561*2.4494897
Udgang → 1.10820197
- 1-C14*C14 bliver
1-0.452421561*0.452421561
Udgang → 0.79531473
- SQRT(1-C14*C14) bliver
SQRT(0,79531473) → returnerer kvadratroden af 0.79531473 .
Udgang → 0.891804199
- (C14*SQRT(B14-2))/SQRT(1-C14*C14) bliver
(1.10820197)/0.891804199
Udgang → 1.242651665
➤ Endelig vil vi ved hjælp af følgende funktion bestemme den P-værdi til korrelation.
=T.DIST.2T(D14,B14-2)
Her, D14 er den t-værdi , B14-2 eller 8-2 eller 6 er frihedsgraden og T.DIST.2T vil returnere den P-værdi for korrelation med den tosidede fordeling.
Læs mere: Hvordan man laver multipel regressionsanalyse i Excel (med nemme trin)
Ting at huske
⦿ Generelt bruger vi to almindelige Alpha værdier; 0.05 og 0.01 .
⦿ Der er to hypoteser, nulhypotesen og den alternative hypotese, idet nulhypotesen ikke tager højde for nogen forskel mellem to datasæt, og den anden tager højde for forskellen mellem to datasæt.
⦿ Når den P-værdi er mindre end 0.05 afkræfter den nulhypotesen, og for værdier større end 0.05 den støtter nulhypotesen. Ved at vurdere den P-værdi kan vi komme frem til følgende konklusioner.
P<0,05 → meget signifikante dataP=0.05 → væsentlige data
P=0.05-0.1 → marginalt signifikante data
P>0,1 → uvæsentlige data
Øvelsesafsnit
For at du kan øve dig selv, har vi givet dig en Praksis afsnit som nedenfor i et ark med navnet Praksis . gør det venligst selv.
Konklusion
I denne artikel har vi forsøgt at beskrive, hvordan man kan beregne P-værdi på lineær regression i Excel. Hvis du har forslag eller spørgsmål, er du velkommen til at dele dem i kommentarfeltet.