રીગ્રેશન વિશ્લેષણ એ વ્યાપકપણે ઉપયોગમાં લેવાતી આંકડાકીય ગણતરી છે. આપણે ઘણીવાર આપણી ઈચ્છા મુજબ આ પ્રકારની ગણતરી કરીએ છીએ. એક્સેલમાં, અમે બહુવિધ પ્રકારના રીગ્રેશન વિશ્લેષણ કરી શકીએ છીએ. આ લેખમાં, અમે એક્સેલમાં લોજિસ્ટિક રીગ્રેશન કેવી રીતે કરવું તે દર્શાવીશું. જો તમે પણ આ વિશ્લેષણ શીખવામાં રસ ધરાવો છો, તો પ્રેક્ટિસ વર્કબુક ડાઉનલોડ કરો અને અમને અનુસરો.

પ્રેક્ટિસ વર્કબુક ડાઉનલોડ કરો

તમે આ લેખ વાંચતા હોવ ત્યારે પ્રેક્ટિસ માટે આ પ્રેક્ટિસ વર્કબુક ડાઉનલોડ કરો.

લોજિસ્ટિક રીગ્રેશન.xlsx

લોજીસ્ટીક રીગ્રેશન શું છે?

લોજિસ્ટિક રીગ્રેશન એનાલિસિસ એ આંકડાકીય લર્નિંગ અલ્ગોરિધમ છે જે અમુક સ્વતંત્ર માપદંડોના આધારે આશ્રિત ચલના મૂલ્યની આગાહી કરવા માટે ઉપયોગ કરે છે. તે વ્યક્તિને તેની ઇચ્છિત શ્રેણીના આધારે મોટા ડેટાસેટમાંથી પરિણામ મેળવવામાં મદદ કરે છે. લોજિસ્ટિક રીગ્રેશન વિશ્લેષણ મુખ્યત્વે ત્રણ પ્રકારો:

1. બાઈનરી લોજિસ્ટિક રીગ્રેસન
2. મલ્ટિનોમીયલ લોજીસ્ટિક રીગ્રેસન
3. ઓર્ડિનલ લોજીસ્ટિક રીગ્રેસન

બાઈનરી લોજિસ્ટિક રીગ્રેસન: દ્વિસંગી રીગ્રેશન વિશ્લેષણ મોડેલમાં, અમે ફક્ત બે કેસ દ્વારા શ્રેણીને વ્યાખ્યાયિત કરીએ છીએ. હા/ના અથવા હકારાત્મક/નકારાત્મક.

મલ્ટિનોમિયલ લોજિસ્ટિક રીગ્રેસન: મલ્ટિનોમિનલ લોજિસ્ટિક વિશ્લેષણ ત્રણ અથવા વધુ વર્ગીકરણ સાથે કામ કરે છે. જો અમારી પાસે અમારા ડેટાને વર્ગીકૃત કરવા માટે બે કરતાં વધુ વર્ગીકૃત વિભાગો હોય, તો અમે આ રીગ્રેશન વિશ્લેષણ મોડલનો ઉપયોગ કરી શકીએ છીએ.

ઓર્ડિનલ લોજિસ્ટિકરીગ્રેસન: આ રીગ્રેશન એનાલીસીસ મોડલ બે કરતા વધુ કેટેગરી માટે કામ કરે છે. જો કે, આ મોડેલમાં, તેમને વર્ગીકૃત કરવા માટે અમારે પૂર્વનિર્ધારિત ક્રમની જરૂર છે.

એક્સેલમાં લોજિસ્ટિક રીગ્રેસન કરવા માટે સ્ટેપ-બાય-સ્ટેપ પ્રોસિજર

આ લેખમાં, અમે બાઈનરી લોજિસ્ટિકલ રીગ્રેશન કરીશું. વિશ્લેષણ આ પ્રકારનું વિશ્લેષણ આપણને ઇચ્છિત ચલનું અનુમાન મૂલ્ય પ્રદાન કરે છે. વિશ્લેષણ કરવા માટે, અમે ઉદ્યોગમાંથી 10 મશીનોના ડેટાસેટને ધ્યાનમાં લઈએ છીએ. મશીનની ઉપલબ્ધતા હકારાત્મક અથવા નકારાત્મક હોઈ શકે છે. દ્વિસંગી અંકો 1=ધન , અને 0=નકારાત્મક , અને આ મૂલ્યો કૉલમ B માં બતાવવામાં આવે છે. તે મશીનોની ઉંમર કૉલમ C માં છે અને દર અઠવાડિયે તેનો સરેરાશ ફરજ કલાક કૉલમ D માં છે. તેથી, અમારો ડેટાસેટ કોષોની શ્રેણીમાં છે B5:D14 . પ્રારંભિક રીગ્રેસન સોલ્વર વેરીએબલના મૂલ્યો કોષોની શ્રેણીમાં છે C16:D18 . સમગ્ર વિશ્લેષણ પ્રક્રિયા નીચે પગલું દ્વારા સમજાવવામાં આવી છે:

પગલું 1: તમારો ડેટાસેટ ઇનપુટ કરો

આ પગલામાં, અમે તમારો ડેટાસેટ આયાત કરવા જઈ રહ્યા છીએ:

• સૌ પ્રથમ, તમારા ડેટાસેટને એક્સેલમાં ચોક્કસ રીતે ઇનપુટ કરો. અમારા વિશ્લેષણ માટે, અમે ડેટાસેટને કોષોની શ્રેણીમાં ઇનપુટ કરીએ છીએ B5:D14 .

• પછી, તમારું <1 ઇનપુટ કરો>સોલ્વર ડિસિઝન વેરિબલ્સ' અમે તેમને કોષોની શ્રેણીમાં ઇનપુટ કરીએ છીએ D16:D18.
• અમે તમામ ચલોની કિંમતો 0.01 તરીકે ધારી રહ્યા છીએ.

વાંચોવધુ: એક્સેલ ડેટા સેટ્સ પર મલ્ટિપલ લીનિયર રીગ્રેશન (2 પદ્ધતિઓ)

પગલું 2: લોગિટ મૂલ્યનું મૂલ્યાંકન કરો

આ પગલામાં, અમે ગણતરી કરવા જઈ રહ્યા છીએ અમારા ડેટાસેટ માટે લોગિટ કરો મૂલ્ય. અમે અમારી ગણતરીમાં Logit મૂલ્યને X તરીકે વ્યાખ્યાયિત કરીએ છીએ. Logit મૂલ્યનું સૂત્ર છે:

અહીં, b0, b1, અને b2 રીગ્રેશન છે ચલ.

• સેલ E5 માં નીચેનું સૂત્ર લખો. ચલોના સેલ મૂલ્યને સ્થિર કરવા માટે સંપૂર્ણ ચિહ્નનો ઉપયોગ કરો. જો તમે સંપૂર્ણ કોષ સંદર્ભ ચિહ્ન કેવી રીતે ઇનપુટ કરવું તે જાણતા નથી, તો તમે તેને ઘણી રીતે ઇનપુટ કરી શકો છો.

=$D$16+$D$17*C5+$D$18*D5 <2

• પછી, તમારા કીબોર્ડ પર Enter કી દબાવો.

• તે પછી, ફોર્મ્યુલાને સેલ E14 સુધી કૉપિ કરવા માટે ફિલ હેન્ડલ આઇકોન પર ડબલ-ક્લિક કરો .

• તમને X ના તમામ મૂલ્યો મળશે.

વધુ વાંચો: એક્સેલમાં સરળ લીનિયર રીગ્રેસન કેવી રીતે કરવું (4 સરળ પદ્ધતિઓ)

પગલું 3: દરેક ડેટા માટે લોગિટનું ઘાતાંકીય નિર્ધારિત કરો

અહીં, અમે લોગિટના ઘાતાંકીય મૂલ્યની ગણતરી કરીશું. મૂલ્ય, તેના માટે, આપણે એક્સપી ફંક્શન :

• નું ઘાતાંકીય મૂલ્ય નક્કી કરવા માટે X નો ઉપયોગ કરવા જઈ રહ્યા છીએ, સેલમાં નીચેનું સૂત્ર લખો F5 :

=EXP(E5)

• તેમજ રીતે, ફોર્મ્યુલાની નકલ કરવા માટે ફિલ હેન્ડલ આઇકોન પર ડબલ-ક્લિક કરો અગાઉનું પગલું. તમે X ના તમામ ઘાતાંકીય મૂલ્યો મેળવશો.

પગલું 4: સંભાવના મૂલ્યની ગણતરી કરો

P( X) એ X ઘટના બનવા માટેની સંભાવના મૂલ્ય છે. ઘટનાની સંભાવના X આ રીતે વ્યાખ્યાયિત કરી શકે છે:

• તેની ગણતરી કરવા માટે, સેલ G5<2 માં નીચેનું સૂત્ર લખો>.

=F5/(1+F5)

• Enter <2 દબાવો>કી.
• હવે, તમામ મૂલ્યોની કિંમત મેળવવા માટે ફિલ હેન્ડલ આઇકનને G15 સુધી ખેંચો.

<27

વધુ વાંચો: એક્સેલમાં લીનિયર રીગ્રેશનમાં P મૂલ્યની ગણતરી કેવી રીતે કરવી (3 રીતો)

પગલું 5: લોગ-ના સરવાળાનું મૂલ્યાંકન કરો સંભાવના મૂલ્ય

નીચેના પગલાઓમાં, અમે લૉગ-લાઈકલિહુડના મૂલ્યનું મૂલ્યાંકન કરવા જઈ રહ્યા છીએ. તે પછી અમે તમામ ડેટા ઉમેરવા માટે SUM ફંક્શન નો ઉપયોગ કરીશું:

• લોગ-લીકાલિહુડ મૂલ્યની ગણતરી કરવા માટે, અમે જઈ રહ્યા છીએ અમારા ડેટાસેટમાં LN ફંક્શન નો ઉપયોગ કરો. સેલ H5 માં, નીચે આપેલ ફોર્મ્યુલા પૂર્ણ થયું લખો:

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

• હવે, દબાવો કીબોર્ડ પર Enter કી.

• પછી, પર ડબલ-ક્લિક કરો બધા લોગ-સંભવિત મૂલ્યો નક્કી કરવા માટે હેન્ડલ આયકન ભરો.

• તે પછી, સેલ H15 માં, નીચે લખો તમામ મૂલ્યોનો સરવાળો કરવા માટે નીચેનું સૂત્ર.

=SUM(H5:H14)

🔍 ફોર્મ્યુલાનું બ્રેકડાઉન

અમે કરી રહ્યા છીએસેલ H5 .

👉 LN(G5): આ ફંક્શન -0.384.

👉 <પરત કરે છે 1>LN(1-G5): આ ફંક્શન પરત કરે છે -1.144.

👉 (B5*LN(G5))+((1-B5)* LN(1-G5)): આ ફંક્શન -0.384 આપે છે.

પગલું 6: અંતિમ વિશ્લેષણ માટે સોલ્વર એનાલિસિસ ટૂલનો ઉપયોગ કરો

હવે, અમે આયોજિત કરીશું. અંતિમ રીગ્રેસન વિશ્લેષણ. અમે સોલ્વર આદેશ દ્વારા વિશ્લેષણ કરીશું. જો તમને તે ડેટા ટેબમાં દેખાતું નથી, તો તમારે એક્સેલ એડ-ઇન્સ માંથી સોલ્વર ને સક્ષમ કરવું પડશે.

• તેને સક્ષમ કરવા માટે, ફાઇલ > વિકલ્પો .

• પરિણામે, Excel વિકલ્પો નામનું સંવાદ બોક્સ દેખાશે.
• આ સંવાદ બોક્સમાં, એડ-ઇન્સ વિકલ્પ પસંદ કરો.
• હવે, મેનેજ વિભાગમાં એક્સેલ એડ-ઇન્સ વિકલ્પ પસંદ કરો. અને જાઓ પર ક્લિક કરો.

• એડ-ઇન્સ નામનું નાનું સંવાદ બોક્સ દેખાશે.
• પછી, સોલ્વર એડ-ઈન વિકલ્પને ચેક કરો અને ઓકે પર ક્લિક કરો.

• તે પછી, ડેટા ટેબ પર જાઓ, અને તમને વિશ્લેષણ ગ્રુપમાં સોલ્વર આદેશ મળશે.

<34

• હવે, સોલ્વર આદેશ પર ક્લિક કરો.
• એક નવું સંવાદ બોક્સ જેનું નામ સોલ્વર પેરામીટર્સ દેખાશે.
<9 ઉદ્દેશ સેટ કરો બોક્સમાં, તમારા માઉસ વડે સેલ $H$15 પસંદ કરો. તમે તમારા કીબોર્ડ પર સેલ સંદર્ભ પણ લખી શકો છો. ખાતરી કરો કે તમે ઉપયોગ કરો છો સંપૂર્ણ કોષ સંદર્ભ અહીં સાઇન કરો.
• આગળ, બાય ચેન્જીંગ વેરિયેબલ સેલ વિકલ્પમાં કોષોની શ્રેણી પસંદ કરો $D$16:$D$18 .
• પછી, જો તે પહેલાથી જ ચેક કરેલ હોય તો નકારાત્મક મૂલ્યો મેળવવા માટે અનિયંત્રિત ચલોને બિન-નકારાત્મક બનાવો ને અનચેક કરો.
• છેવટે, પર ક્લિક કરો. ઉકેલ બટન.

• પરિણામે, સોલ્વર પરિણામ બોક્સ તમારી સામે દેખાશે.<10
• હવે, સોલ્વર સોલ્યુશન રાખો પસંદ કરો

• છેવટે, તમે સેલની શ્રેણીમાં ચલની કિંમતો જોશો D16:D18 બદલાયેલ છે. તે ઉપરાંત, તમે કૉલમ E, F, G , અને H ની કિંમતો પણ જોશો જે અગાઉના પગલાઓથી તફાવત દર્શાવે છે.

🔍 બાઈનરી રીગ્રેસન વિશ્લેષણ પરિણામનું ચિત્ર

એક્સેલમાં બાઈનરી લોજિસ્ટિક રીગ્રેસન વિશ્લેષણ પૂર્ણ થયા પછી, તમે જુઓ કે અમારી ધારેલી રીગ્રેશન વેરીએબલ વેલ્યુને નવા વિશ્લેષણ મૂલ્ય સાથે બદલવામાં આવી છે અને આ મૂલ્યો અમારા ડેટાસેટની સાચી રીગ્રેશન વેરીએબલ કિંમત છે. અમે કોઈપણ ચોક્કસ ડેટાના પરિણામને ધ્યાનમાં લઈ શકીએ છીએ, જેમ કે મશીન જેની ઉંમર 68 મહિના અને 4 સરેરાશ છે. દર અઠવાડિયે કોઈ પાળી નથી. P(X) નું મૂલ્ય 0.67 છે. તે આપણને સમજાવે છે કે જો આપણે જોઈએકાર્યકારી સ્થિતિમાં મશીન માટે તે ઘટનાની શક્યતા લગભગ 67% છે.

અમે રીગ્રેસન વેરીએબલના અંતિમ મૂલ્યોનો ઉપયોગ કરીને તેને અલગથી પણ બતાવી શકીએ છીએ.

આ રીતે, અમે કહી શકીએ કે અમારી કાર્ય પ્રક્રિયા સફળતાપૂર્વક કામ કરી છે અને અમે બાઈનરી લોજિસ્ટિક રીગ્રેશન વિશ્લેષણ કરવા સક્ષમ છીએ.

નિષ્કર્ષ

તે આ લેખનો અંત છે . હું આશા રાખું છું કે આ લેખ તમારા માટે ઉપયોગી થશે અને તમે Excel માં લોજિસ્ટિક રીગ્રેશન કરી શકશો. કૃપા કરીને નીચે આપેલા ટિપ્પણીઓ વિભાગમાં અમારી સાથે કોઈપણ વધુ પ્રશ્નો અથવા ભલામણો શેર કરો.

કેટલીક એક્સેલ-સંબંધિત સમસ્યાઓ અને ઉકેલો માટે અમારી વેબસાઇટ ExcelWIKI તપાસવાનું ભૂલશો નહીં. નવી પદ્ધતિઓ શીખતા રહો અને વધતા રહો!