रिग्रेशन विश्लेषण हे मोठ्या प्रमाणावर वापरले जाणारे सांख्यिकीय गणना आहे. आपण अनेकदा आपल्या इच्छेनुसार अशा प्रकारची गणना करतो. एक्सेलमध्ये, आम्ही अनेक प्रकारचे प्रतिगमन विश्लेषण करू शकतो. या लेखात, आम्ही एक्सेलमध्ये लॉजिस्टिक रिग्रेशन कसे करायचे ते दाखवू. तुम्हालाही हे विश्लेषण जाणून घेण्यात स्वारस्य असल्यास, सराव कार्यपुस्तिका डाउनलोड करा आणि आमचे अनुसरण करा.

सराव कार्यपुस्तिका डाउनलोड करा

तुम्ही हा लेख वाचत असताना सरावासाठी हे सराव वर्कबुक डाउनलोड करा.

लॉजिस्टिक रिग्रेशन.xlsx

लॉजिस्टिक रिग्रेशन म्हणजे काय?

लॉजिस्टिक रिग्रेशन अॅनालिसिस हे एक सांख्यिकीय शिक्षण अल्गोरिदम आहे जे काही स्वतंत्र निकषांवर आधारित अवलंबून व्हेरिएबलच्या मूल्याचा अंदाज लावण्यासाठी वापरते. हे एखाद्या व्यक्तीला त्याच्या इच्छित श्रेणीवर आधारित मोठ्या डेटासेटमधून निकाल मिळविण्यात मदत करते. लॉजिस्टिक रीग्रेशन विश्लेषण प्रामुख्याने तीन प्रकार:

1. बायनरी लॉजिस्टिक रिग्रेशन
2. मल्टिनॉमियल लॉजिस्टिक रिग्रेशन
3. ऑर्डिनल लॉजिस्टिक रिग्रेशन

बायनरी लॉजिस्टिक रिग्रेशन: बायनरी रीग्रेशन विश्लेषण मॉडेलमध्ये, आम्ही फक्त दोन प्रकरणांद्वारे श्रेणी परिभाषित करतो. होय/नाही किंवा सकारात्मक/नकारात्मक.

मल्टिनॉमिअल लॉजिस्टिक रिग्रेशन: मल्टिनॉमिनल लॉजिस्टिक विश्लेषण तीन किंवा अधिक वर्गीकरणांसह कार्य करते. आमच्या डेटाचे वर्गीकरण करण्यासाठी आमच्याकडे दोनपेक्षा जास्त वर्गीकृत विभाग असल्यास, आम्ही हे प्रतिगमन विश्लेषण मॉडेल वापरू शकतो.

ऑर्डिनल लॉजिस्टिकप्रतिगमन: हे प्रतिगमन विश्लेषण मॉडेल दोनपेक्षा जास्त श्रेणींसाठी कार्य करते. तथापि, या मॉडेलमध्ये, त्यांचे वर्गीकरण करण्यासाठी आम्हाला पूर्वनिर्धारित ऑर्डरची आवश्यकता आहे.

एक्सेलमध्ये लॉजिस्टिक रीग्रेशन करण्यासाठी चरण-दर-चरण प्रक्रिया

या लेखात, आम्ही बायनरी लॉजिस्टिक रीग्रेशन करू. विश्लेषण या प्रकारचे विश्लेषण आम्हाला इच्छित व्हेरिएबलचे अंदाज मूल्य प्रदान करते. विश्लेषण करण्यासाठी, आम्ही उद्योगातील 10 मशीनचा डेटासेट विचारात घेतो. मशीनची उपलब्धता सकारात्मक किंवा नकारात्मक असू शकते. बायनरी अंक 1=धन , आणि 0=ऋण , आणि ही मूल्ये B स्तंभात दर्शविली आहेत. त्या मशीनचे वय स्तंभ C मध्ये आहे आणि दर आठवड्याला त्यांचे सरासरी कर्तव्य तास स्तंभ D मध्ये आहेत. तर, आमचा डेटासेट सेलच्या श्रेणीमध्ये आहे B5:D14 . इनिशिअल रिग्रेशन सॉल्व्हर व्हेरिएबलची मूल्ये सेलच्या श्रेणीतील C16:D18 आहेत. संपूर्ण विश्लेषण प्रक्रिया खाली चरण-दर-चरण स्पष्ट केली आहे:

चरण 1: आपला डेटासेट इनपुट करा

या चरणात, आम्ही तुमचा डेटासेट आयात करणार आहोत:

• सर्वप्रथम, तुमचा डेटासेट एक्सेलमध्ये अचूकपणे इनपुट करा. आमच्या विश्लेषणासाठी, आम्ही डेटासेट सेलच्या श्रेणीमध्ये इनपुट करतो B5:D14 .

• नंतर, तुमचे <1 इनपुट करा>सोल्व्हर डिसिजन व्हेरिएबल्स' आम्ही त्यांना सेलच्या श्रेणीमध्ये इनपुट करतो D16:D18.
• आम्ही सर्व व्हेरिएबल्सची मूल्ये 0.01 असे गृहीत धरत आहोत.

वाचाअधिक: एक्सेल डेटा सेटवर एकाधिक रेखीय प्रतिगमन (2 पद्धती)

चरण 2: लॉगिट मूल्याचे मूल्यांकन करा

या चरणात, आपण गणना करणार आहोत आमच्या डेटासेटसाठी लॉगिट मूल्य. आम्ही आमच्या गणनेमध्ये लॉगिट मूल्य X म्हणून परिभाषित करतो. Logit मूल्याचे सूत्र आहे:

येथे, b0, b1, आणि b2 हे प्रतिगमन आहेत चल.

• सेल E5 मध्ये खालील सूत्र लिहा. व्हेरिएबल्सचे सेल व्हॅल्यू फ्रीझ करण्यासाठी निरपेक्ष चिन्ह वापरा. तुम्हाला संपूर्ण सेल संदर्भ चिन्ह कसे इनपुट करायचे हे माहित नसल्यास, तुम्ही ते अनेक प्रकारे इनपुट करू शकता.

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

• नंतर, तुमच्या कीबोर्डवरील एंटर की दाबा.

• त्यानंतर, सेल E14 पर्यंत सूत्र कॉपी करण्यासाठी हँडल भरा चिन्हावर डबल-क्लिक करा .

• तुम्हाला X ची सर्व मूल्ये मिळतील.

अधिक वाचा: एक्सेलमध्ये साधे रेखीय प्रतिगमन कसे करावे (4 सोप्या पद्धती)

पायरी 3: प्रत्येक डेटासाठी लॉगिटचे घातांक निश्चित करा

येथे, आपण लॉगिटच्या घातांक मूल्याची गणना करू. मूल्य, त्यासाठी आपण EXP फंक्शन :

• चे घातांक मूल्य निश्चित करण्यासाठी X वापरणार आहोत, सेलमध्ये खालील सूत्र लिहा F5 :

=EXP(E5)

• तसेच, फॉर्म्युला कॉपी करण्यासाठी फिल हँडल चिन्हावर दुहेरी क्लिक करा मागील पायरी. तुम्हाला X ची सर्व घातांक मूल्ये मिळतील.

चरण 4: संभाव्यता मूल्याची गणना करा

P( X) हे X घटना घडण्यासाठी संभाव्यता मूल्य आहे. घटनेची संभाव्यता X अशी परिभाषित करू शकते:

• ते मोजण्यासाठी, सेल G5<2 मध्ये खालील सूत्र लिहा>.

=F5/(1+F5)

• एंटर दाबा की.
• आता, सर्व मूल्यांसाठी मूल्य मिळविण्यासाठी फिल हँडल चिन्ह G15 पर्यंत ड्रॅग करा.

<27

अधिक वाचा: एक्सेलमधील रेखीय प्रतिगमन (3 मार्ग) मध्ये P मूल्य कसे मोजायचे

पायरी 5: लॉग-च्या बेरीजचे मूल्यांकन करा संभाव्य मूल्य

पुढील चरणांमध्ये, आम्ही लॉग-लाइकलिहुडच्या मूल्याचे मूल्यमापन करणार आहोत. त्यानंतर आम्ही सर्व डेटा जोडण्यासाठी SUM फंक्शन वापरू:

• लॉग-लाइकलिहुड मूल्य मोजण्यासाठी, आम्ही जाणार आहोत आमच्या डेटासेटमध्ये LN फंक्शन वापरा. सेल H5 मध्ये, खालील सूत्र लिहा:

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

• आता दाबा कीबोर्डवरील एंटर की.

• नंतर, वर डबल-क्लिक करा सर्व लॉग-संभाव्यता मूल्ये निर्धारित करण्यासाठी हँडल चिन्ह भरा.

• त्यानंतर, सेल H15 मध्ये, खाली लिहा सर्व मूल्यांची बेरीज करण्यासाठी खालील सूत्र.

=SUM(H5:H14)

🔍 फॉर्म्युलाचे ब्रेकडाउन

आम्ही करत आहोतसेल H5 .

👉 LN(G5): हे फंक्शन -0.384.

👉 <परत करते 1>LN(1-G5): हे फंक्शन रिटर्न देते -1.144.

👉 (B5*LN(G5))+((1-B5)* LN(1-G5)): हे फंक्शन -0.384 परत करते.

पायरी 6: अंतिम विश्लेषणासाठी सॉल्व्हर विश्लेषण साधन वापरा

आता, आम्ही आयोजित करू अंतिम प्रतिगमन विश्लेषण. आम्ही Solver कमांडद्वारे विश्लेषण करू. तुम्हाला ते डेटा टॅबमध्ये दिसत नसल्यास, तुम्हाला एक्सेल अॅड-इन्स वरून सोलव्हर सक्षम करावे लागेल.

• ते सक्षम करण्यासाठी, फाइल > निवडा पर्याय .

• परिणामी, Excel पर्याय नावाचा डायलॉग बॉक्स दिसेल.
• या डायलॉग बॉक्समध्ये, अॅड-इन्स पर्याय निवडा.
• आता, व्यवस्थापित करा विभागात एक्सेल अॅड-इन्स पर्याय निवडा. आणि क्लिक करा जा
• नंतर, सोलव्हर अॅड-इन पर्याय तपासा आणि ठीक आहे क्लिक करा.

• त्यानंतर, डेटा टॅबवर जा आणि तुम्हाला विश्लेषण गट

<34 मध्ये सोलव्हर कमांड मिळेल.

• आता, सोलव्हर कमांडवर क्लिक करा.
• सोलव्हर पॅरामीटर्स नावाचा एक नवीन डायलॉग बॉक्स दिसेल.
<9 उद्दिष्ट सेट करा बॉक्समध्ये, तुमच्या माउसने सेल $H$15 निवडा. तुम्ही तुमच्या कीबोर्डवर सेल संदर्भ देखील लिहू शकता. वापरण्याची खात्री करा संपूर्ण सेल संदर्भ येथे स्वाक्षरी करा.
• पुढे, चर सेल बदलून पर्यायामध्ये सेलची श्रेणी निवडा $D$16:$D$18 .
• नंतर, अनकंस्ट्रेन्ड व्हेरिएबल्स नॉन-निगेटिव्ह बनवा हे आधीच चेक केलेले दिसत असल्यास नकारात्मक मूल्ये मिळवण्यासाठी अनचेक करा.
• शेवटी, वर क्लिक करा. सोडवा बटण.

• परिणामी, सॉल्व्हर रिझल्ट बॉक्स तुमच्या समोर दिसेल.<10
• आता, सोल्व्हर सोल्यूशन ठेवा हा बॉक्स तुम्हाला तुमचे रीग्रेशन अॅनालिसिस एकाग्र झाले की वळवले हे देखील दाखवेल.
• बॉक्स बंद करण्यासाठी ठीक आहे वर क्लिक करा.

• शेवटी, तुम्हाला सेलच्या श्रेणीतील व्हेरिएबलची मूल्ये D16:D18 बदललेली दिसेल. याशिवाय, तुम्हाला E, F, G , आणि H स्तंभांची मूल्ये देखील मागील पायऱ्यांपेक्षा फरक दर्शवत आहेत.

🔍 बायनरी रीग्रेशन विश्लेषण परिणामाचे चित्रण

एक्सेलमधील बायनरी लॉजिस्टिक रीग्रेशन विश्लेषण पूर्ण झाल्यानंतर, तुम्हाला आमचे गृहित रीग्रेशन व्हेरिएबल मूल्य नवीन विश्लेषण मूल्यासह बदलले आहे आणि ही मूल्ये आमच्या डेटासेटची योग्य प्रतिगमन व्हेरिएबल मूल्य आहेत हे पहा. आम्ही कोणत्याही विशिष्ट डेटाचा परिणाम विचारात घेऊ शकतो, जसे की मशीन ज्याचे वय 68 महिने आणि 4 सरासरी आहे. दर आठवड्याला शिफ्ट नाही. P(X) चे मूल्य 0.67 आहे. हे आम्हाला स्पष्ट करते की आम्ही पाहिले तरकार्यरत स्थितीत असलेल्या मशीनसाठी त्या इव्हेंटची शक्यता सुमारे 67% आहे.

आम्ही रीग्रेशन व्हेरिएबलच्या अंतिम मूल्यांचा वापर करून ते स्वतंत्रपणे देखील दर्शवू शकतो.

अशा प्रकारे, आम्ही असे म्हणू शकतो की आमच्या कार्यपद्धतीने यशस्वीरित्या कार्य केले आणि आम्ही बायनरी लॉजिस्टिक रीग्रेशन विश्लेषण करण्यास सक्षम आहोत.

निष्कर्ष

हा लेखाचा शेवट आहे. . मला आशा आहे की हा लेख तुमच्यासाठी उपयुक्त ठरेल आणि तुम्ही Excel मध्ये लॉजिस्टिक रीग्रेशन करण्यास सक्षम व्हाल. कृपया खालील टिप्पण्या विभागात आमच्याशी पुढील कोणत्याही शंका किंवा शिफारसी सामायिक करा.

अनेक Excel-संबंधित समस्या आणि निराकरणासाठी आमची वेबसाइट ExcelWIKI तपासण्यास विसरू नका. नवीन पद्धती शिकत राहा आणि वाढत रहा!