Regressioanalyysi on laajalti käytetty tilastollinen laskutoimitus. Teemme usein tämäntyyppisiä laskutoimituksia halutessamme. Excelissä voimme suorittaa seuraavanlaisen laskutoimituksen. useita regressioanalyysityyppejä . Tässä artikkelissa näytämme, miten logistinen regressio tehdään Excelissä. Jos olet myös kiinnostunut oppimaan tämän analyysin, lataa harjoitustyökirja ja seuraa meitä.

Lataa harjoituskirja

Lataa tämä harjoituskirja harjoitusta varten, kun luet tätä artikkelia.

Logistinen regressio.xlsx

Mikä on logistinen regressio?

Logistinen regressioanalyysi on tilastollinen oppimisalgoritmi, jonka avulla ennustetaan riippuvaisen muuttujan arvoa joidenkin riippumattomien kriteerien perusteella. Se auttaa henkilöä saamaan suuresta tietokokonaisuudesta haluttuun kategoriaan perustuvan tuloksen. Logistinen regressioanalyysi on pääasiassa kolmenlaista:

1. Binäärinen logistinen regressio
2. Multinomiaalinen logistinen regressio
3. Ordinaalinen logistinen regressio

Binäärinen logistinen regressio: Binäärisessä regressioanalyysimallissa luokka määritellään vain kahdella tapauksella: Kyllä/Ei tai Positiivinen/Negatiivinen.

Multinomiaalinen logistinen regressio: Multinominaalinen logistinen analyysi toimii kolmella tai useammalla luokittelulla. Jos meillä on enemmän kuin kaksi luokiteltua osiota, joilla luokittelemme tietomme, voimme käyttää tätä regressioanalyysimallia.

Ordinaalinen logistinen regressio: Tämä regressioanalyysimalli toimii useammalle kuin kahdelle luokalle. Tässä mallissa tarvitsemme kuitenkin ennalta määrätyn järjestyksen luokittelua varten.

Vaiheittainen menettely logistisen regression tekemiseen Excelissä

Tässä artikkelissa suoritamme binäärisen logistisen regressioanalyysin. Tämäntyyppinen analyysi antaa meille halutun muuttujan ennustearvon. Analyysin suorittamiseksi tarkastelemme aineistoa, joka koostuu 10 koneesta eräältä toimialalta. Koneen saatavuus voi olla positiivinen tai negatiivinen. Binääriset luvut 1=positiivinen ja 0=negatiivinen ja nämä arvot esitetään sarakkeessa B Näiden koneiden ikä on sarakkeessa C ja niiden keskimääräinen viikkotyöaika on sarakkeessa D Aineistomme on siis solujen alueella. B5:D14 Arvot alkuperäisen regressioratkaisun muuttujan muuttujat ovat solujen välillä C16:D18 Koko analyysimenettely selitetään jäljempänä vaihe vaiheelta:

Vaihe 1: Syötä datasi

Tässä vaiheessa tuomme tietokokonaisuutesi:

• Syötä tietokokonaisuutesi ensin tarkasti Exceliin. Analyysiamme varten syötämme tietokokonaisuuden solualueelle seuraavasti B5:D14 .

• Syötä sitten Ratkaisija Päätös Varibles' Syötämme ne solujen alueelle D16:D18.
• Oletamme, että kaikkien muuttujien arvot ovat seuraavat 0.01 .

Lue lisää: Moninkertainen lineaarinen regressio Excel-tietoaineistoissa (2 menetelmää)

Vaihe 2: Logit-arvon arviointi

Tässä vaiheessa laskemme seuraavassa vaiheessa Logit arvo aineistossamme. Määrittelemme Logit arvo kuin X laskelmassamme. Logit arvo on:

Täällä, b0, b1, ja b2 ovat regressiomuuttujia.

• Kirjoita seuraava kaava soluun E5 . Käytä Absoluuttinen-merkkiä muuttujien soluarvon jäädyttämiseen. Jos et tiedä, miten syöttää Absoluuttinen soluviittaus merkin voi syöttää usealla eri tavalla.

=$D$16+$D$17*C5+$D$18*D5

• Paina sitten Kirjoita näppäintä näppäimistölläsi.

• Sen jälkeen, kaksoisnapsauta on Täyttökahva kuvaketta kopioidaksesi kaavan soluun E14 .

• Saat kaikki arvot X .

Lue lisää: Kuinka tehdä yksinkertainen lineaarinen regressio Excelissä (4 yksinkertaista menetelmää)

Vaihe 3: Määritä logitin eksponentti kullekin tiedolle.

Tässä laskemme logit-arvon eksponenttiarvon, jota varten käytämme seuraavaa menetelmää EXP-funktio :

• Määrittääksemme eksponentiaalisen arvon X kirjoitetaan seuraava kaava soluun F5 :

=EXP(E5)

• Samoin, kaksoisnapsauta on Täyttökahva kuvaketta kopioidaksesi kaavan kuten edellisessä vaiheessa. Saat kaikki eksponenttiarvot X .

Vaihe 4: Laske todennäköisyysarvo

P(X) on todennäköisyysarvo sille, että X tapahtuma. Tapahtuman todennäköisyys X voidaan määritellä seuraavasti:

• Laske se kirjoittamalla seuraava kaava soluun G5 .

=F5/(1+F5)

• Paina Kirjoita avain.
• Vedä nyt Täyttökahva kuvake jopa G15 saadaksesi arvon kaikille arvoille.

Lue lisää: Kuinka laskea P-arvo lineaarisessa regressiossa Excelissä (3 tapaa)

Vaihe 5: Log-Likelihood-arvon summan arviointi

Seuraavissa vaiheissa arvioimme arvon Log-Likelihood. Sen jälkeen käytämme SUMMA-funktio lisätäksesi kaikki tiedot:

• Laskettaessa Log-Likelihood arvoa, käytämme LN toiminto aineistossamme. Solussa H5 kirjoitetaan seuraava kaava:

=(B5*LN(G5))+((1-B5)*LN(1-G5))

• Paina nyt Kirjoita näppäintä näppäimistöllä.

• Sitten, kaksoisnapsauta on Täyttökahva kuvaketta määrittääksesi kaikki log-likelihood-arvot.

• Tämän jälkeen solussa H15 , kirjoita seuraava kaava kaikkien arvojen yhteenlaskemiseksi.

=SUM(H5:H14)

🔍 Kaavan erittelyt

Teemme tämän erittelyn soluja varten H5 .

👉 LN(G5): Tämä toiminto palauttaa -0.384.

👉 LN(1-G5): Tämä funktio palauttaa -1.144.

👉 (B5*LN(G5))+((1-B5)*LN(1-G5)): Tämä toiminto palauttaa -0.384.

Vaihe 6: Käytä Solver-analyysityökalua lopulliseen analyysiin.

Nyt suoritamme lopullisen regressioanalyysin. Suoritamme analyysin käyttämällä Ratkaisija komento. Jos sitä ei näy komennossa Tiedot välilehdellä, sinun on otettava käyttöön Ratkaisija alkaen Excel-lisäosat .

• Ota se käyttöön valitsemalla Tiedosto> Vaihtoehdot .

• Tämän tuloksena avautuu valintaikkuna nimeltä Excel-vaihtoehdot ilmestyy.
• Valitse tässä valintaikkunassa Lisäosat vaihtoehto.
• Valitse nyt Excel-lisäosat vaihtoehto Hallitse osiossa ja napsauta Mene .

• Pieni valintaikkuna otsikolla Lisäosat ilmestyy.
• Tarkista sitten Solver Add-in ja napsauta OK .

• Sen jälkeen siirry osoitteeseen Tiedot välilehti, ja löydät Ratkaisija komento Analyysi ryhmä.

• Napsauta nyt Ratkaisija komento.
• Uusi valintaikkuna otsikolla Ratkaisijan parametrit ilmestyy.
• Vuonna Aseta tavoite laatikko, valitse solu $H$15 hiirellä. Voit myös kirjoittaa soluviitteen näppäimistöllä. Varmista, että käytät näppäintä Absoluuttinen soluviittaus allekirjoittaa täällä.
• Seuraavaksi Muuttamalla muuttuvia soluja vaihtoehto valitse solualue $D$16:$D$18 .
• Poista sitten valintaruutu Tehdään rajoittamattomista muuttujista ei-negatiivisia. saadaksesi negatiiviset arvot, jos se on jo merkitty valittuna.
• Napsauta lopuksi Ratkaise nappi.

• Tämän seurauksena Ratkaisija Tulos ruutu ilmestyy eteesi.
• Valitse nyt Pidä Solver Ratkaisu Tämä ruutu näyttää myös, onko regressioanalyysisi konvergoitunut vai divergoinut.
• Klikkaa OK sulkeaksesi laatikon.

• Lopulta näet muuttujan arvot solujen alueella. D16:D18 muuttuu. Sen lisäksi näet myös sarakkeiden arvot. E, F, G ja H osoittavat myös eroja edellisiin vaiheisiin verrattuna.

🔍 Binäärisen regressioanalyysin tuloksen havainnollistaminen

Kun binäärinen logistinen regressioanalyysi on suoritettu loppuun Excelissä, näet, että oletettu regressiomuuttujamme arvo on korvattu uudella analyysiarvolla ja nämä arvot ovat tietokokonaisuutemme oikeat regressiomuuttujan arvot. Voimme tarkastella minkä tahansa tietyn datan tulosta, kuten koneen, jonka ikä on 68 kuukautta ja 4 keskimääräistä työvuoroa viikossa. Arvo P(X) on 0.67 Se osoittaa meille, että jos etsimme koneen toimintakuntoon, tämän tapahtuman mahdollisuus on noin 1,5 prosenttia. 67% .

Voimme näyttää sen myös erikseen käyttämällä regressiomuuttujan lopullisia arvoja.

Voimme siis sanoa, että työmenetelmämme toimi onnistuneesti ja voimme tehdä binäärisen logistisen regressioanalyysin.

Päätelmä

Tämä on tämän artikkelin loppu. Toivon, että tämä artikkeli on hyödyllinen sinulle ja pystyt tekemään logistisen regression Excelissä. Jaa mahdolliset lisäkysymykset tai suositukset kanssamme alla olevassa kommenttiosassa.

Älä unohda tarkistaa verkkosivujamme ExcelWIKI useisiin Exceliin liittyviin ongelmiin ja ratkaisuihin. Jatka uusien menetelmien oppimista ja kehity!