લેખ તમને એક્સેલમાં મલ્ટિપલ રીગ્રેશન એનાલિસિસ કેવી રીતે કરવું તેની કેટલીક મૂળભૂત પદ્ધતિઓ બતાવશે. આંકડાશાસ્ત્રના ક્ષેત્રમાં આ ખૂબ જ મહત્વપૂર્ણ વિષય છે. તે અમને એક અથવા બહુવિધ આશ્રિત ચલોને લગતા આશ્રિત ચલની આગાહી કરવામાં મદદ કરે છે.

ડેટાસેટમાં, અમારી પાસે કેટલીક કાર વિશે કેટલીક માહિતી છે: તેમના નામો , કિંમત , મહત્તમ ગતિ માઇલ પ્રતિ કલાક માં, પીક પાવર તેમનું એન્જિન ઉત્પન્ન કરી શકે છે, અને મહત્તમ રેન્જ દુર તેઓ રિફિલ કર્યા વિના મુસાફરી કરી શકે છે તેમની ટાંકી.

પ્રેક્ટિસ વર્કબુક ડાઉનલોડ કરો

બહુવિધ શું છે પ્રત્યાગમાન?

મલ્ટીપલ રીગ્રેસન એ એક આંકડાકીય પ્રક્રિયા છે જેના દ્વારા આપણે આશ્રિત ચલ અને કેટલાક સ્વતંત્ર ચલો વચ્ચેના સંબંધનું વિશ્લેષણ કરી શકીએ છીએ. રીગ્રેશન નો હેતુ અનુરૂપ સ્વતંત્ર ચલો ના સંદર્ભમાં આશ્રિત ચલ ની પ્રકૃતિની આગાહી કરવાનો છે.

બહુવિધ રીગ્રેસન વિશ્લેષણ કરવાનાં 2 પગલાં Excel માં

પગલું- 1: ડેટા એનાલિસિસ ટૅબને સક્ષમ કરો

આ ડેટા ટૅબ માં ડેટા એનાલિસિસ શામેલ નથી મૂળભૂત રીતે રિબન. આને સક્રિય કરવા માટે, નીચેની પ્રક્રિયામાં જાઓ.

• પ્રથમ, ફાઇલ >> વિકલ્પો

પર જાઓ.

• પછી એડ-ઇન્સ >> એક્સેલ એડ-ઇન્સ પસંદ કરો >> જાઓ

• એડમાં એનાલિસિસ ટૂલપેક ચેક કરો -ઇન્સ ઉપલબ્ધ છે: વિભાગ અને ઓકે પર ક્લિક કરો.

તે પછી, ડેટા એનાલિસિસ રિબન શે. ડેટા ટેબ માં દેખાય છે.

પગલું- 2: એક્સેલમાં મલ્ટીપલ રીગ્રેસન એનાલિસિસ બનાવવું

અહીં હું તમને મલ્ટીપલ રીગ્રેશન નું વિશ્લેષણ કેવી રીતે કરવું તે બતાવીશ.

• ડેટા ટેબમાંથી >> ડેટા એનાલિસિસ
• એ સંવાદ બોક્સ પસંદ કરો રીગ્રેશન પસંદ દેખાશે અને ઓકે ક્લિક કરો.

એ રીગ્રેશન સંવાદ બોક્સ દેખાશે.

• અમે કારની કિંમત ના આધારે આગાહી કરીશું તેમની મહત્તમ ઝડપ , પીક પાવર અને રેન્જ .
• આશ્રિત ચલોની શ્રેણી પસંદ કરો> ( ઇનપુટ Y શ્રેણી ). મારા કિસ્સામાં, તે C4:C14 છે.
• તે પછી, સ્વતંત્ર ચલો ની શ્રેણી પસંદ કરો ( ઇનપુટ X શ્રેણી ). મારા કિસ્સામાં, તે D4:F14 છે.
• લેબલ્સ તપાસો અને આઉટપુટ વિકલ્પો<2 માં નવી વર્કશીટ પ્લાય: પસંદ કરો>. જો તમે વર્તમાન શીટમાં તમારું રીગ્રેશન વિશ્લેષણ જોઈતું હોય, તો જ્યાં તમે આઉટપુટ રેન્જ

જો તમે આગળ વિશ્લેષણ કરવા માંગતા હોવ તો તમે અવશેષો પસંદ કરી શકો છો.

• તે પછી, તમે રીગ્રેશન વિશ્લેષણ એક નવી શીટ માં જુઓ. ફોર્મેટ કરો વિશ્લેષણ તમારી અનુકૂળતા અનુસાર.

21>

આ રીતે તમે એક્સેલમાં મલ્ટીપલ રીગ્રેશન એનાલિસિસ કરી શકો છો.

સમાન રીડિંગ્સ

• એક્સેલમાં સરળ લીનિયર રીગ્રેસન કેવી રીતે કરવું (4 સરળ પદ્ધતિઓ)
• કેવી રીતે અર્થઘટન કરવું એક્સેલમાં રીગ્રેસન પરિણામો (વિગતવાર વિશ્લેષણ)

એક્સેલમાં બહુવિધ રીગ્રેસન વિશ્લેષણ વિશે સંક્ષિપ્ત ચર્ચા

રીગ્રેસન વિશ્લેષણ ચોક્કસ પરિમાણોના ઘણા મૂલ્યો છોડી દે છે . ચાલો જોઈએ કે તેનો અર્થ શું થાય છે.

રીગ્રેશન સ્ટેટિસ્ટિક્સ

રીગ્રેશન સ્ટેટિસ્ટિક્સ ભાગમાં, આપણે કેટલાક પરિમાણોના મૂલ્યો જોઈએ છીએ.

1. મલ્ટીપલ R: આ સહસંબંધ ગુણાંક નો સંદર્ભ આપે છે જે નક્કી કરે છે કે ચલો વચ્ચે રેખીય સંબંધ કેટલો મજબૂત છે. આ ગુણાંક માટે મૂલ્યોની શ્રેણી (-1, 1) છે. સંબંધની મજબૂતાઈ એ મલ્ટીપલ R ના સંપૂર્ણ મૂલ્યના પ્રમાણમાં છે.
2. R સ્ક્વેર: તે કેટલું સારું છે તે નક્કી કરવા માટે તે બીજો ગુણાંક છે. રીગ્રેશન લાઇન ફીટ થશે. તે એ પણ દર્શાવે છે કે રીગ્રેસન લાઇન પર કેટલા બિંદુઓ પડે છે. આ ઉદાહરણમાં, R 2 નું મૂલ્ય 86 છે, જે સારું છે. તે સૂચવે છે કે ડેટાનો 86% મલ્ટીપલ રીગ્રેસન લાઇન માં ફિટ થશે.
3. એડજસ્ટેડ આર સ્ક્વેર: આ એડજસ્ટેડ છે R સ્ક્વેર મૂલ્ય સ્વતંત્ર ચલો મોડેલમાં. તે માટે યોગ્ય છે બહુવિધ રીગ્રેશન વિશ્લેષણ અને તેથી અમારા ડેટા માટે. અહીં, એડજસ્ટ કરેલ R સ્ક્વેર નું મૂલ્ય 79 છે.
4. સ્ટાન્ડર્ડ એરર: આ નક્કી કરે છે કે તમારું રીગ્રેશન કેટલું સંપૂર્ણ છે. સમીકરણ હશે. જેમ આપણે રેન્ડમ રીગ્રેશન વિશ્લેષણ કરી રહ્યા છીએ, સ્ટાન્ડર્ડ એરર નું મૂલ્ય અહીં ઘણું વધારે છે.
5. અવલોકનો: માં અવલોકનોની સંખ્યા ડેટાસેટ 10 છે.

વિચલનનું વિશ્લેષણ ( ANOVA )

ANOVA માં વિશ્લેષણ વિભાગ, અમે કેટલાક અન્ય પેરામીટર્સ પણ જોઈએ છીએ.

1. df: The ' સ્વતંત્રતાની ડિગ્રી ' ને df દ્વારા વ્યાખ્યાયિત કરવામાં આવે છે. df અહીં 3 નું મૂલ્ય છે કારણ કે આપણી પાસે 3 પ્રકારના સ્વતંત્ર ચલો છે.
2. SS : SS ચોરસના સરવાળાને દર્શાવે છે. જો ચોરસ નો શેષ સરવાળો નો કુલ સરવાળો ચોરસ કરતાં ઘણો નાનો હોય, તો તમારો ડેટા માં ફિટ થશે. રીગ્રેસન લાઇન વધુ અનુકૂળ. અહીં, શેષ SS કુલ SS કરતાં ઘણું નાનું છે, તેથી અમે અનુમાન કરી શકીએ છીએ કે અમારો ડેટા રીગ્રેશન લાઇન વધુ સારી રીતે
માં ફિટ થઈ શકે છે.
3. MS: MS એ સરેરાશ ચોરસ છે. રીગ્રેશન અને શેષ MS નું મૂલ્ય અનુક્રમે 78 અને 5372210.11 છે.
4. F અને મહત્વ F: આ મૂલ્યો રીગ્રેશન વિશ્લેષણ ની વિશ્વસનીયતા નક્કી કરે છે. જો મહત્વ F 05 કરતાં ઓછું હોય, તો મલ્ટીપલ રીગ્રેશન વિશ્લેષણ વાપરવા માટે યોગ્ય છે. નહિંતર, તમારે તમારું સ્વતંત્ર ચલ બદલવાની જરૂર પડી શકે છે. અમારા ડેટાસેટમાં, સિગ્નિફિકન્સ F નું મૂલ્ય 0.01 છે જે વિશ્લેષણ માટે સારું છે.

રીગ્રેશન એનાલિસિસ આઉટપુટ

અહીં, હું રીગ્રેશન એનાલિસિસ ના આઉટપુટની ચર્ચા કરીશ.

1. ગુણકો અને અન્ય

આ વિભાગમાં , આપણને સ્વતંત્ર ચલો- મહત્તમ માટે ગુણાંકો ની કિંમત મળે છે. સ્પીડ , પીક પાવર અને રેન્જ . અમે દરેક ગુણાંક માટે નીચેની માહિતી પણ મેળવી શકીએ છીએ: તેની સ્ટાન્ડર્ડ એરર , ટી સ્ટેટ , પી-વેલ્યુ અને અન્ય પરિમાણો.

2. શેષ આઉટપુટ

આ શેષ મૂલ્યો અમને એ સમજવામાં મદદ કરે છે કે અનુમાનિત કિંમત તેના વાસ્તવિક મૂલ્ય અને માનકથી કેટલી વિચલિત થાય છે 2> અવશેષો નું મૂલ્ય જે સ્વીકાર્ય હશે.

જે રીતે રીગ્રેશન એનાલિસિસ કામ કરે છે તે નીચે આપેલ છે.

કહો, અમે પ્રથમ કારની કિંમત તેના સ્વતંત્ર ચલો અનુસાર અનુમાન કરવા માંગીએ છીએ. સ્વતંત્ર ચલો છે મહત્તમ. ઝડપ , પીક પાવર અને રેન્જ જેના મૂલ્યો 110 માઇલ પ્રતિ કલાક , 600 હોર્સપાવર અને 130 માઇલ<છે 2>, અનુક્રમે. અનુરૂપ રીગ્રેશન ગુણાંક 245.43 , 38.19 અને 94.38 છે. y ઇન્ટરસેપ્ટ મૂલ્ય છે -50885.73 . તેથી અનુમાનિત કિંમત હશે 245.43*110+38.19*600+94.38*130-50885.73≈11295 .

આ લેખના ડેટાસેટ મુજબ, જો તમે કારની આગાહી કરવા માંગતા હોવ તો કિંમત જેની મહત્તમ ઝડપ ની x mph , પીક પાવર ની y hp અને રેન્જ z માઇલ માંથી, અનુમાનિત કિંમત 245.43*x+38.19*y+94.38*z હશે.

વધુ વાંચો: એક્સેલમાં બહુવિધ રીગ્રેસન પરિણામોનું અર્થઘટન કેવી રીતે કરવું

એક્સેલમાં મલ્ટીપલ લીનિયર રીગ્રેસનને સમજવા માટે ગ્રાફનો ઉપયોગ કરીને

જો તમે રીગ્રેશન લાઇન ની કલ્પના કરવા માંગતા હો તમારો ડેટા, ચાલો નીચેની પ્રક્રિયામાંથી પસાર થઈએ.

પગલાઓ:

• પ્રથમ, ડેટા ટેબ >> ડેટા એનાલિસિસ
• એ ડેટા એનાલિસિસ સંવાદ બોક્સ પર જાઓ પછી રીગ્રેશન પસંદ કરો.
• છેવટે, <1 પર ક્લિક કરો>ઓકે .

બીજું સંવાદ બોક્સ નું રીગ્રેશન દેખાશે.

• શેષ અને લાઇન ફિટ પ્લોટ્સ પસંદ કરો.
• ઓકે ક્લિક કરો.

તે પછી, તમે નો આલેખ જોશો કે રીગ્રેસન રેખા બંધબેસે છે મહત્તમ. સ્પીડ , પીક પાવર અને રેન્જ વિશ્લેષણ સાથે નવી શીટ માં.

અહીં નીચે, તે મેક્સના અનુસાર લાઇન ફિટ નું પ્રતિનિધિત્વ કરે છે. ઝડપ .

અને નીચેની છબી પીક પાવર અનુસાર લાઇન ફિટ બતાવે છે.

નીચેનુંચિત્ર રેન્જ અનુસાર લાઇન ફિટ નું પ્રતિનિધિત્વ કરે છે.

કૃપા કરીને વર્કબુક ડાઉનલોડ કરો અને પ્લોટ્સ જુઓ વધુ સારી રીતે સમજવા માટે.

વધુ વાંચો: એક્સેલમાં લીનિયર રીગ્રેશન કેવી રીતે કરવું (4 સરળ રીતો)

પ્રેક્ટિસ વિભાગ

અહીં, હું તમને આ લેખનો ડેટાસેટ આપી રહ્યો છું જેથી કરીને તમે તમારી જાતે મલ્ટીપલ રેખીય રીગ્રેસન નું વિશ્લેષણ કરી શકો.

નિષ્કર્ષ <6

કહેવું પૂરતું છે, આ લેખ તમને એક્સેલમાં મલ્ટિપલ રીગ્રેશન એનાલિસિસ કેવી રીતે કરવું તે સમજવામાં મદદ કરશે અને તે પરિમાણોનું સંક્ષિપ્ત વર્ણન છે. જો તમારી પાસે આ લેખ વિશે કોઈ વિચારો અથવા પ્રતિસાદ હોય, તો કૃપા કરીને તેને ટિપ્પણી બોક્સમાં શેર કરો. આ મને મારા આગામી લેખોને સમૃદ્ધ બનાવવામાં મદદ કરશે.