Sisällysluettelo
Jos etsit tapoja laskea P-arvo tai todennäköisyysarvo lineaarinen regressio Excelissä, olet oikeassa paikassa. P-arvo käytetään hypoteettisten testien tulosten todennäköisyyden määrittämiseen. Voimme analysoida tuloksia kahden hypoteesin perusteella; hypoteesi Nollahypoteesi ja Vaihtoehtoinen hypoteesi . Käyttämällä P-arvo voimme määrittää, tukeeko tulos nollahypoteesia vai vaihtoehtoista hypoteesia.
Aloitetaan siis pääartikkelista.
Lataa työkirja
P value.xlsx3 tapaa laskea P-arvo lineaarisessa regressiossa Excelissä
Meillä on tässä joitakin ennustettuja myyntiarvoja ja todellisia myyntiarvoja joidenkin yrityksen tuotteiden osalta. Vertailemme näitä myyntiarvoja ja määrittelemme todennäköisyysarvon, minkä jälkeen määrittelemme, onko P Nollahypoteesin mukaan kahdenlaisten myyntiarvojen välillä ei ole eroa, ja vaihtoehtoisessa hypoteesissa tarkastellaan näiden kahden arvosarjan välisiä eroja.
Olemme käyttäneet Microsoft Office 365 versiota tässä, voit käyttää mitä tahansa muita versioita haluamasi mukaan.
Menetelmä-1: t-testin analyysityökalun käyttäminen P-arvon laskemiseen.
Tässä käytetään t-Test-analyysityökalun sisältävää analyysityökalupakettia, jolla määritetään P-arvo näiden kahden myyntitietoryhmän osalta.
Askeleet :
Jos et ole aktivoinut data-analyysityökalua, ota tämä työkalupakki ensin käyttöön.
➤ Napsauta Tiedosto välilehti.
➤ Valitse Vaihtoehdot .
Sen jälkeen Excel-vaihtoehdot valintaikkuna tulee näkyviin.
➤ Valitse Lisäosat vaihtoehto vasemmassa paneelissa.
➤ Valitse Excel Lisäosat vaihtoehto Hallitse ruutuun ja paina sitten Mene .
Sen jälkeen Lisäosat valintaikkuna avautuu.
➤ Tarkista Analysis ToolPak vaihtoehto ja paina OK .
➤ Mene nyt Tiedot Tab>> Analyysi Ryhmä>> Tietojen analysointi Vaihtoehto.
Sitten Tietojen analysointi Ohjattu asennus tulee näkyviin.
➤ Valitse vaihtoehto t-testi: parittainen kahden otoksen keskiarvotesti eri vaihtoehdoista Analyysityökalut .
Sen jälkeen t-testi: parittainen kahden otoksen keskiarvotesti valintaikkuna avautuu.
➤ As Tulo meidän on annettava kaksi muuttuja-aluetta; $C$4:$C$11 osoitteessa Muuttuja 1 Alue ja $D$4:$D$11 osoitteessa Muuttuja 2 Alue , koska Lähtöalue olemme valinneet $E$4 .
➤ Voit vaihtaa arvoa Alpha osoitteesta 0.05 (automaattisesti luotu) osoitteeseen 0.01 koska tämän vakion arvo on yleensä 0.05 tai 0.01 .
➤ Paina lopuksi OK .
Sen jälkeen saat P-arvo kahden tapauksen osalta; yhden hännän arvo on seuraava 0.00059568 ja kahden hännän arvo on 0.0011913 Näemme, että yksihäntäinen P-arvo on puolet kaksihäntäisestä P-arvo . Koska kaksihäntäinen P-arvo ottaa huomioon sekä merkkien lisääntymisen että vähenemisen, kun taas yksihäntäisessä menetelmässä P-arvo tarkastelee vain yhtä näistä tapauksista.
Lisäksi voidaan todeta, että kun Alfa-arvon arvo on 0.05 saamme P arvot ovat pienempiä kuin 0.05 mikä tarkoittaa, että se jättää nollahypoteesin huomiotta, joten tiedot ovat erittäin merkitseviä.
Lue lisää: Lineaarisen regression tulosten tulkinta Excelissä (helpoilla ohjeilla)
Menetelmä-2: T.TEST-funktion käyttäminen P-arvon laskemiseen lineaarisessa regressiossa Excelissä
Tässä osiossa käytämme T.TEST-toiminto määrittää P-arvot hännän osalta 1 ja 2 .
Askeleet :
Aloitamme määrittämällä P-arvo hännän osalta 1 tai yhteen suuntaan.
➤ Kirjoita seuraava kaava soluun F5 .
=T.TEST(C4:C11,D4:D11,1,1)Täällä, C4:C11 on alue, jolla Ennustettu myynti , D4:D11 on alue, jolla Todellinen myynti , 1 on häntäarvo ja viimeinen 1 on tarkoitettu Paritettu tyyppi.
Kun olet painanut ENTER , saamme P-arvo 0.00059568 hännän osalta 1 .
➤ Sovella seuraavaa kaavaa soluun F6 määrittää P-arvo hännän osalta 2 tai molempiin suuntiin.
=T.TEST(C4:C11,D4:D11,2,1) Täällä, C4:C11 on alue, jolla Ennustettu myynti , D4:D11 on alue, jolla Todellinen myynti , 2 on häntäarvo ja viimeinen 1 on tarkoitettu Paritettu tyyppi.
Lue lisää: Moninkertainen lineaarinen regressio Excel-tietoaineistoissa (2 menetelmää)
Menetelmä-3: CORREL, T.DIST.2T -funktioiden käyttö P-arvon laskemiseen lineaarisessa regressiossa
Määritämme P-arvo korrelaatiota varten tässä käyttämällä CORREL , T.DIST.2T toiminnot.
Tätä varten luotiin sarakkeita, joissa on otsikot. Kokonaiserä , Korrelaatiokerroin , t Arvo ja P-arvo ja annoimme myös kokonaiskappalemäärän arvon, joka on seuraava 8 .
Askeleet :
➤ Ensinnäkin, Määritämme, että Korrelointitekijä syöttämällä seuraava kaava soluun C14 .
=CORREL(C4:C11,D4:D11) Täällä, C4:C11 on alue, jolla Ennustettu myynti ja D4:D11 on alue, jolla Todellinen myynti .
➤ Määrittääksesi t-arvo kirjoita seuraava kaava soluun D14 .
=(C14*SQRT(B14-2))/SQRT(1-C14*C14) Täällä, C14 on korrelaatiokerroin, ja B14 on tuotteiden kokonaismäärä.
- SQRT(B14-2) tulee
SQRT(8-2) → SQRT(6) antaa neliöjuuren 6 .
Lähtö → 2.4494897
- C14*SQRT(B14-2) tulee
0.452421561*2.4494897
Lähtö → 1.10820197
- 1-C14*C14 tulee
1-0.452421561*0.452421561
Lähtö → 0.79531473
- SQRT(1-C14*C14) tulee
SQRT(0.79531473) → palauttaa neliöjuuren 0.79531473 .
Lähtö → 0.891804199
- (C14*SQRT(B14-2))/SQRT(1-C14*C14) tulee
(1.10820197)/0.891804199
Lähtö → 1.242651665
➤ Lopuksi määritetään seuraavan funktion avulla, mikä on P-arvo korrelaatiota varten.
=T.DIST.2T(D14,B14-2) Tässä, D14 on t-arvo , B14-2 tai 8-2 tai 6 on vapausaste ja T.DIST.2T palauttaa P-arvo korrelaatiota varten kaksoishäntäisellä jakaumalla.
Lue lisää: Kuinka tehdä useita regressioanalyysejä Excelissä (helpoilla ohjeilla)
Muistettavat asiat
⦿ Yleensä käytämme kahta yleistä vaihtoehtoa. Alpha arvot; 0.05 ja 0.01 .
⦿ On olemassa kaksi hypoteesia, nollahypoteesi ja vaihtoehtoinen hypoteesi, joista nollahypoteesi katsoo, että kahden aineiston välillä ei ole eroa, ja toinen ottaa huomioon kahden aineiston välisen eron.
⦿ Kun P-arvo on pienempi kuin 0.05 se hylkää nollahypoteesin ja arvojen ollessa suurempia kuin 0.05 se tukee nollahypoteesia. Arvioimalla, että P-arvo voimme tehdä seuraavat johtopäätökset.
P<0.05 → erittäin merkittävät tiedotP=0.05 → merkittävät tiedot
P=0.05-0.1 → marginaalisesti merkittävät tiedot
P>0,1 → merkityksettömät tiedot
Harjoitusosio
Jotta voit harjoitella itse, olemme toimittaneet Harjoitus osiossa alla olevan kaltaisesti arkissa nimeltä Harjoitus Tee se itse.
Päätelmä
Tässä artikkelissa yritimme kattaa tapoja laskea P-arvo osoitteessa lineaarinen regressio Excelissä. Jos sinulla on ehdotuksia tai kysymyksiä, voit jakaa ne kommenttiosioon.
