Inhaltsverzeichnis
Wenn Sie nach Möglichkeiten der Berechnung suchen P-Wert oder Wahrscheinlichkeitswert in lineare Regression in Excel, dann sind Sie bei uns richtig. P-Wert wird verwendet, um die Wahrscheinlichkeit der Ergebnisse von hypothetischen Tests zu bestimmen. Wir können die Ergebnisse auf der Grundlage von 2 Hypothesen analysieren; die Nullhypothese und die Alternative Hypothese Mit dem P-Wert können wir feststellen, ob das Ergebnis die Nullhypothese oder die Alternativhypothese unterstützt.
Fangen wir also mit dem Hauptartikel an.
Arbeitsbuch herunterladen
P-Wert.xlsx3 Wege zur Berechnung des P-Werts bei linearer Regression in Excel
Hier haben wir einige prognostizierte Verkaufswerte und tatsächliche Verkaufswerte einiger Produkte eines Unternehmens. Wir werden diese Verkaufswerte vergleichen und den Wahrscheinlichkeitswert bestimmen, und dann werden wir feststellen, ob P Die Nullhypothese geht davon aus, dass es keinen Unterschied zwischen den beiden Arten von Verkaufswerten gibt, während die Alternativhypothese die Unterschiede zwischen diesen beiden Gruppen von Werten berücksichtigt.
Wir haben verwendet Microsoft Büro 365 Version, Sie können aber auch jede andere Version verwenden, die Ihnen zusagt.
Methode-1: Verwendung des "t-Test-Analyse-Tools" zur Berechnung des P-Werts
Hier werden wir das Analyse-Toolpak mit dem t-Test-Analysetool verwenden, um die P-Wert für diese beiden Sätze von Verkaufsdaten.
Schritte :
Wenn Sie das Datenanalyse-Tool nicht aktiviert haben, müssen Sie dieses Toolpaket zunächst aktivieren.
➤ Klicken Sie auf das Symbol Datei tab.
➤ Auswählen Optionen .
Danach wird die Excel-Optionen erscheint ein Dialogfeld.
➤ Wählen Sie die Add-ins auf dem linken Bedienfeld.
➤ Wählen Sie die Excel Add-ins Option in der Verwalten Sie und drücken Sie dann Weiter .
Danach wird die Add-ins wird ein Dialogfeld angezeigt.
➤ Prüfen Sie die Analyse-ToolPak Option und drücken Sie OK .
➤ Gehen Sie nun auf die Seite Daten Tab>> Analyse Gruppe>> Datenanalyse Option.
Dann wird die Datenanalyse Assistent erscheint.
➤ Wählen Sie die Option t-Test: Gepaarte zwei Stichproben für Mittelwerte aus verschiedenen Optionen von Analyse-Tools .
Danach wird die t-Test: Gepaarte zwei Stichproben für Mittelwerte öffnet sich ein Dialogfeld.
➤ Als Eingabe müssen wir zwei variable Bereiche angeben; $C$4:$C$11 für Variable 1 Bereich und $D$4:$D$11 für Variable 2 Bereich als Leistungsbereich wir haben ausgewählt $E$4 .
➤ Sie können den Wert für Alpha von 0.05 (automatisch generiert) an 0.01 weil der angegebene Wert für diese Konstante im Allgemeinen 0.05 oder 0.01 .
➤ Drücken Sie abschließend OK .
Danach erhalten Sie die P-Wert für zwei Fälle; der Ein-Schluss-Wert ist 0.00059568 und der Two-Tail-Wert ist 0.0011913 Wir sehen den Ein-Schwanz P-Wert ist die Hälfte des Zweischwänzigen P-Wert Denn der Zwei-Schwanz P-Wert sowohl die Zunahme als auch die Abnahme der Marken berücksichtigt, während die Ein-Schwanz P-Wert berücksichtigt nur einen dieser Fälle.
Außerdem können wir feststellen, dass für den Alpha-Wert von 0.05 erhalten wir die P Werte kleiner als 0.05 was bedeutet, dass die Nullhypothese vernachlässigt wird und die Daten somit hoch signifikant sind.
Lesen Sie mehr: Interpretation linearer Regressionsergebnisse in Excel (mit einfachen Schritten)
Methode-2: Verwendung der Funktion T.TEST zur Berechnung des P-Werts bei linearer Regression in Excel
In diesem Abschnitt werden wir die Funktion T.TEST zur Bestimmung der P-Werte für Schwänze 1 und 2 .
Schritte :
Wir beginnen mit der Bestimmung der P-Wert für Schwanz 1 oder in eine Richtung.
➤ Geben Sie die folgende Formel in die Zelle F5 .
=T.TEST(C4:C11,D4:D11,1,1)Hier, C4:C11 ist der Bereich von Voraussichtliche Verkäufe , D4:D11 ist der Bereich von Tatsächliche Verkäufe , 1 ist der Endwert und der letzte 1 ist für die Gepaart Typ.
Nach dem Drücken von EINGEBEN erhalten wir die P-Wert 0.00059568 für Schwanz 1 .
➤ Wenden Sie die folgende Formel in der Zelle F6 zur Bestimmung der P-Wert für Schwanz 2 oder in beide Richtungen.
=T.TEST(C4:C11,D4:D11,2,1) Hier, C4:C11 ist der Bereich von Voraussichtliche Verkäufe , D4:D11 ist der Bereich von Tatsächliche Verkäufe , 2 ist der Endwert und der letzte 1 ist für die Gepaart Typ.
Lesen Sie mehr: Multiple lineare Regression auf Excel-Datensätzen (2 Methoden)
Methode 3: Verwendung der Funktionen CORREL, T.DIST.2T zur Berechnung des P-Werts bei linearer Regression
Wir werden feststellen P-Wert für die Korrelation hier mit Hilfe der CORREL , T.DIST.2T Funktionen.
Zu diesem Zweck haben wir einige Spalten mit Überschriften erstellt Posten insgesamt , Korrelationsfaktor , t Wert und P-Wert und wir haben auch den Wert für die Gesamtzahl der Artikel eingegeben, der lautet 8 .
Schritte :
➤ Erstens: Wir bestimmen die Korrel.faktor durch Eingabe der folgenden Formel in die Zelle C14 .
=CORREL(C4:C11,D4:D11) Hier, C4:C11 ist der Bereich von Voraussichtliche Verkäufe und D4:D11 ist der Bereich von Tatsächliche Verkäufe .
➤ Zur Ermittlung der t-Wert Geben Sie die folgende Formel in die Zelle D14 .
=(C14*SQRT(B14-2))/SQRT(1-C14*C14) Hier, C14 ist der Korrelationsfaktor, und B14 ist die Gesamtzahl der Produkte.
- SQRT(B14-2) wird
SQRT(8-2) → SQRT(6) ergibt die Quadratwurzel aus 6 .
Ausgang →. 2.4494897
- C14*SQRT(B14-2) wird
0.452421561*2.4494897
Ausgang →. 1.10820197
- 1-C14*C14 wird
1-0.452421561*0.452421561
Ausgang →. 0.79531473
- SQRT(1-C14*C14) wird
SQRT(0.79531473) →. gibt die Quadratwurzel von 0.79531473 .
Ausgang →. 0.891804199
- (C14*SQRT(B14-2))/SQRT(1-C14*C14) wird
(1.10820197)/0.891804199
Ausgang →. 1.242651665
➤ Schließlich bestimmen wir mit Hilfe der folgenden Funktion die P-Wert für die Korrelation.
=T.DIST.2T(D14,B14-2) Hier, D14 ist die t-Wert , B14-2 oder 8-2 oder 6 ist der Freiheitsgrad und T.DIST.2T gibt die P-Wert für die Korrelation mit der zweiseitigen Verteilung.
Lesen Sie mehr: Wie man eine mehrfache Regressionsanalyse in Excel durchführt (mit einfachen Schritten)
Dinge zum Merken
⦿ Im Allgemeinen verwenden wir zwei gemeinsame Alpha Werte; 0.05 und 0.01 .
⦿ Es gibt zwei Hypothesen, die Nullhypothese und die Alternativhypothese, wobei die Nullhypothese davon ausgeht, dass es keinen Unterschied zwischen zwei Datensätzen gibt, und die andere Hypothese den Unterschied zwischen zwei Datensätzen berücksichtigt.
⦿ Wenn die P-Wert ist kleiner als 0.05 wird die Nullhypothese verneint und für Werte größer als 0.05 unterstützt sie die Nullhypothese. Durch die Bewertung der P-Wert können wir zu folgenden Schlussfolgerungen kommen.
P<0,05 → hochsignifikante DatenP=0.05 → wichtige Daten
P=0.05-0.1 → geringfügig signifikante Daten
P>0,1 → unbedeutende Daten
Praxisteil
Damit Sie selbst üben können, haben wir für Sie eine Praxis Abschnitt wie unten in einem Blatt namens Praxis Bitte tun Sie es selbst.
Schlussfolgerung
In diesem Artikel haben wir versucht, die Möglichkeiten zur Berechnung P-Wert in lineare Regression in Excel. Wenn Sie Anregungen oder Fragen haben, können Sie diese gerne im Kommentarbereich stellen.
