ဆုတ်ယုတ်မှု ခွဲခြမ်းစိတ်ဖြာမှုသည် SPSS ၊ R၊ ကဲ့သို့သော စာရင်းအင်းဆော့ဖ်ဝဲလ် အမျိုးအစားတိုင်းနီးပါးတွင်ရှိပြီး Excel ကို ဖော်ပြခြင်းမပြုပါ။ Regression သည် ကိန်းရှင်များကြားရှိ ဆက်ဆံရေးဆိုင်ရာ ကြီးမားသော ရုပ်ပုံလွှာကို ပေးစွမ်းနိုင်သည်။ ဒေတာ ခွဲခြမ်းစိတ်ဖြာခြင်း ကိရိယာကို အသုံးပြု၍ Excel တွင် တစ်ပြေးညီ ဆုတ်ယုတ်မှုကို လျင်မြန်စွာ လုပ်ဆောင်နိုင်သည်။ ဤဆောင်းပါးတွင် သင်သည် ဆုတ်ယုတ်မှုရလဒ်များကို Excel တွင် အဓိပ္ပါယ်ပြန်ဆိုနိုင်ပုံကို ပြသပါမည်။

အလေ့အကျင့်စာအုပ်ကို ဒေါင်းလုဒ်လုပ်ပါ

ဤအလေ့အကျင့်စာအုပ်ကို အောက်တွင်ဒေါင်းလုဒ်လုပ်ပါ။

Regression ဆိုတာဘာလဲ။

ဆုတ်ယုတ်မှုခွဲခြမ်းစိတ်ဖြာမှုကို ကိန်းရှင်များစွာကြားတွင် ဆက်စပ်မှုကို ဆုံးဖြတ်ရန် ဒေတာခွဲခြမ်းစိတ်ဖြာမှုတွင် မကြာခဏအသုံးပြုသည်။ အမှီအခိုကင်းသော variable များထဲမှ တစ်ခုပြောင်းသွားပါက၊ Regression analysis သည် သင့်အား မှီခို variable တွင် ဘာဖြစ်မည်ကို ရွေးချယ်နိုင်စေပါသည်။ ၎င်းသည် သင့်အား မည်သည့် လွတ်လပ်သော ကိန်းရှင်များတွင် လွှမ်းမိုးမှုရှိသည်ကို သင်္ချာနည်းဖြင့် တွက်ဆနိုင်စေပါသည်။

ရိုးရှင်းသော မျဉ်းဖြောင့်ဆုတ်ယုတ်မှု သည် ကိန်းဂဏန်းစာရင်းဇယားတွင် များစွာသော မျဉ်းဖြောင့်ဆုတ်ယုတ်မှု နှင့် ကွဲပြားသည်။ linear function ကိုအသုံးပြု၍ ရိုးရှင်းသော အလိုင်းနား ဆုတ်ယုတ်မှု ခွဲခြမ်းစိတ်ဖြာခြင်း ကိန်းရှင်များနှင့် သီးခြားကွဲပြားသည့် ကိန်းရှင်တစ်ခုကြား ဆက်စပ်မှု။ Multiple linear regression သည် variable များကို ဆုံးဖြတ်ရန် အကြောင်းရင်းနှစ်ခု သို့မဟုတ် ထို့ထက်ပိုသော ရှင်းပြချက်များကို အသုံးပြုသောအခါဖြစ်သည်။ ဒေတာဆက်နွယ်မှုများသည် တစ်ပြေးညီမဟုတ်သောကြောင့် မှီခိုကိန်းရှင်အစား လိုင်းမဟုတ်သောဆုတ်ယုတ်မှုအား အသုံးပြုခြင်းကို လိုင်းမဟုတ်သောလုပ်ဆောင်ချက်အဖြစ် ဖော်ပြသည်။ ဤဆောင်းပါးသည် မျဉ်းကြောင်းများစွာကို အာရုံစိုက်ပါမည်။ဆုတ်ယုတ်မှု ကို သင်မည်ကဲ့သို့ ဆုတ်ယုတ်မှုရလဒ်များကို Excel တွင် အနက်ပြန်ဆိုနိုင်ပုံကို သရုပ်ပြရန်။

Excel တွင် ဆုတ်ယုတ်မှုပြုလုပ်ရန် အဆင့်များ

ဆုတ်ယုတ်မှု ရည်ရွယ်ချက်အတွက်၊ ကျွန်ုပ်တို့သည် အောက်ဖော်ပြပါဒေတာအတွဲကို အသုံးပြုပါမည်။ ခွဲခြမ်းစိတ်ဖြာခြင်းရည်ရွယ်ချက်များ။ ဤနေရာတွင် သီးခြားပြောင်းလွဲချက်မှာ စျေးနှုန်း ကော်လံနှင့် ရောင်းပြီး ကော်လံဖြစ်ပါမည်။ လွတ်လပ်သော ကော်လံသည် Demand ကော်လံဖြစ်ပါမည်။

အဆင့်များ

• ကျွန်ုပ်တို့သည် ဒေတာ တက်ဘ်သို့သွားကာ ဆုတ်ယုတ်မှုပြုလုပ်ရန် ဒေတာခွဲခြမ်းစိတ်ဖြာခြင်း ကို နှိပ်ရပါမည်။

• ဝင်းဒိုးအသစ်တစ်ခု ရှိပါမည်။ အမှီအခိုကင်းသော ကိန်းရှင်နှင့် အမှီအခိုကင်းသော ကိန်းရှင်ဒေတာကို ရွေးပါ။
• ထို့နောက် အညွှန်းများ အကွက်နှင့် ယုံကြည်မှု အကွက်ကို အမှတ်ခြစ်ပါ။
• ထို့နောက် အထွက်ဆဲလ်အပိုင်းအခြားကို နှိပ်ပါ။ အထွက်ဆဲလ်လိပ်စာကို ရွေးရန် အကွက်
• နောက်တစ်ခု၊ ကျန်နေသောအရာများကို တွက်ချက်ရန် ကျန်ရှိသော ပေါ်တွင် အမှန်ခြစ်ပေးပါ။
• ထို့နောက်၊ ကျန်ရှိသော ကွက်များကို အမှတ်ခြစ်ပြီး Line Fit Plots အကွက်များ
• ပြီးပါက OK ကိုနှိပ်ပါ။

• နှိပ်ပြီးနောက် အိုကေ၊ ခွဲခြမ်းစိတ်ဖြာမှု၏ ပင်မအထွက် ဘောင်များသည် သတ်မှတ်ထားသော ဆဲလ်များတွင် ဖြစ်လိမ့်မည်။

• ထို့နောက် သင်သည် အချို့သော ကန့်သတ်ချက်များကိုလည်း ရရှိလိမ့်မည် ANOVA ( ကွဲလွဲမှုကို ခွဲခြမ်းစိတ်ဖြာခြင်း ) ဇယားရှိ Significance တန်ဖိုး စသည်တို့ဖြစ်သည်။
• ဤတွင်၊ df ကို ဆိုလိုသည် ။ ကွဲလွဲမှု၏အရင်းအမြစ်နှင့်ဆက်စပ်သော လွတ်လပ်မှုအတိုင်းအတာ။
• SS သည် စတုရန်း၏ပေါင်းလဒ်ကိုရည်ညွှန်းသည်။ သင့်မော်ဒယ်သည် အချက်အလက်ကို ထင်ဟပ်စေမည်ဆိုပါက ပိုကောင်းပါသည်။ ကျန်ရှိသော SS သည် စုစုပေါင်း SS ထက် သေးငယ်သည်။
• MS ဆိုသည်မှာ စတုရန်းဖြစ်သည်။
• F null hypothesis အတွက် F -test ကို ရည်ညွှန်းသည်။
• Significance F သည် P -value F ကို ရည်ညွှန်းသည်။

• ထို့နောက် ဇယားတစ်ခုတွင် variable ၏ coefficients၊ significance value စသည်တို့ကို သင်ရလိမ့်မည်။

• ထို့နောက် ထည့်သွင်းမှုတစ်ခုစီအတွက် ကျန်ရှိသောတန်ဖိုးများပါရှိသော coefficient ဇယားအောက်ရှိ နောက်ဆုံးဇယားကို သင်ရရှိမည်ဖြစ်သည်။

• ထို့နောက်၊ သင်သည် Demand Vs Price regression chart ကို၊ trendline တစ်ခုဖြင့် သင်ရရှိပါမည်။

• ပြီးနောက် ဤသည်မှာ သင်သည် Demand vs Sold regression chart ကိုရရှိသည်။

• နောက်ထပ်တစ်ခုရှိသေးသည်။ Sold variable မှ ဝင်ရောက်မှုတစ်ခုစီ၏ အကြွင်းအကျန်များကို ဖြန့်ဖြူးပြသသည့်ဇယား။

• ကျန်ရှိသောပစ္စည်းများ ဖြန့်ဖြူးမှုကိုပြသသည့် အခြားဇယားတစ်ခုရှိပါသည် Price variable မှ ဝင်ရောက်မှုတစ်ခုစီ၏

နောက်တစ်ခု၊ သင်မည်သို့ ca လုပ်မည်ကို ပြပါမည်။ n ဤဆုတ်ယုတ်မှုရလဒ်များကို Excel တွင် ဘာသာပြန်ပါ။

နောက်ထပ်ဖတ်ရန်- Excel တွင် Logistic Regression လုပ်နည်း (အမြန်အဆင့်များဖြင့်)

စကားပြန်ဆိုနည်း Excel ရှိ Regression ရလဒ်များ

ဆုတ်ယုတ်မှု ခွဲခြမ်းစိတ်ဖြာပြီး ၎င်းတို့ကို အနက်ပြန်ဖွင့်ပြီးနောက် သင်လုပ်ဆောင်ရမည့် နောက်တစ်ခု။ ရလဒ်များကို အောက်တွင်ဖော်ပြထားပြီး အသေးစိတ်ဖော်ပြထားပါသည်။

Multiple R-Squared Regression Value Analysis

The R-squared နံပါတ်သည် ဒေတာအတွဲ၏ ဒြပ်စင်များ မည်မျှနီးကပ်စွာ ဆက်စပ်နေပြီး ဆုတ်ယုတ်မှုမျဉ်းသည် ဒေတာနှင့် မည်မျှကိုက်ညီကြောင်း ဖော်ပြသည်။ ကျွန်ုပ်တို့သည် ပင်မအချက်အပေါ် ကိန်းရှင်နှစ်ခု သို့မဟုတ် ထို့ထက်ပိုသော ကိန်းရှင်များ၏ အကျိုးသက်ရောက်မှုကို ဆုံးဖြတ်ရန် မျိုးစုံမျဉ်းကြောင်းဆုတ်ယုတ်မှု ခွဲခြမ်းစိတ်ဖြာမှုကို အသုံးပြုပါမည်။ ၎င်းသည် အမှီအခိုကင်းသော ကိန်းရှင်များထဲမှ တစ်ခုအဖြစ် မှီခိုပြောင်းလဲနိုင်သော ပြောင်းလဲမှုများကို ရည်ညွှန်းသည်။ ဤကိန်းဂဏန်း၏အကွာအဝေးသည် -1 မှ 1 ဖြစ်သည်။ ဤတွင်၊

• 1 ဆိုသည်မှာ အနီးကပ်အပြုသဘောဆောင်သောဆက်ဆံရေး
• 0 ကိုဆိုလိုသည်မှာ ကိန်းရှင်များကြားတွင် ဆက်ဆံရေးမရှိပေ။ တစ်နည်းဆိုရသော် ဒေတာအမှတ်များသည် ကျပန်းဖြစ်သည်။
• -1 ဆိုသည်မှာ ကိန်းရှင်များကြားတွင် ပြောင်းပြန် သို့မဟုတ် အနုတ်လက္ခဏာ ဆက်ဆံရေးကို ဆိုလိုပါသည်။

အထက်တွင်ပြသထားသည့် ရလဒ်ရလဒ်များတွင် ပေးထားသော R-တန်ဖိုးများစွာ၊ ဒေတာအတွဲများသည် o.7578( approx ) ဖြစ်သည်၊ ၎င်းသည် ကိန်းရှင်များကြားတွင် ခိုင်မာသောဆက်ဆံရေးကို ညွှန်ပြသည်။

R နှစ်ထပ်

R နှစ်ထပ် တန်ဖိုးသည် အမှီအခိုကင်းသော ကိန်းရှင်များ၏ တုံ့ပြန်မှုအား လွတ်လပ်သောကိန်းရှင်နှင့် မည်သို့ကွဲပြားကြောင်း ရှင်းပြသည်။ ကျွန်ုပ်တို့၏အခြေအနေတွင်၊ တန်ဖိုးသည် 0.574(approx) ဖြစ်ပြီး ကိန်းရှင်များကြားရှိ ကျိုးကြောင်းဆီလျော်သော ဆက်နွယ်မှုအဖြစ် အဓိပ္ပာယ်ဖွင့်ဆိုနိုင်ပါသည်။

ချိန်ညှိထားသော R-Squared

၎င်းသည် မျှသာဖြစ်သည်။ R နှစ်ထပ်ကိန်း တန်ဖိုး၏ အစားထိုးဗားရှင်း။ ၎င်းသည် တုံ့ပြန်မှု ကိန်းရှင်ကို ခန့်မှန်းနေစဉ် ခန့်မှန်းသူ ကိန်းရှင်များကို ရိုးရှင်းစွာ ပေါင်းစပ်ပေးသည်။ ၎င်းသည်

R^2 = 1– [(1-R^2)*(n-1)/(n-k-1)]

ဤတွင်၊ R^2 - ကျွန်ုပ်တို့ထံမှရရှိသော R^2 တန်ဖိုးဒေတာအတွဲ။

n - လေ့လာတွေ့ရှိချက်အရေအတွက်။

K - ကြိုတင်ခန့်မှန်းကိန်းရှင် အရေအတွက်။

အဓိပ္ပာယ် predictor variable နှစ်ခုကြားတွင် ဆုတ်ယုတ်မှုခွဲခြမ်းစိတ်ဖြာမှုပြုလုပ်နေစဉ် ဤတန်ဖိုးသည် ဖြစ်ပေါ်လာပါသည်။ ဒေတာအတွဲတွင် predictor variable တစ်ခုထက်ပိုပါက R နှစ်ထပ်ကိန်းတန်ဖိုးသည် ဖောင်းပွနေမည်ဖြစ်ပြီး အလွန်မလိုလားအပ်ပေ။ ချိန်ညှိထားသော R နှစ်ထပ်ကိန်း တန်ဖိုးသည် ဤငွေကြေးဖောင်းပွမှုကို ချိန်ညှိပေးပြီး ကိန်းရှင်များ၏ တိကျသောရုပ်ပုံလွှာကိုပေးသည်။

စံလွဲချော်မှု

နောက်ထပ် ကောင်းမွန်သော မက်ထရစ် သင်၏ ဆုတ်ယုတ်မှု ခွဲခြမ်းစိတ်ဖြာမှု၏ တိကျမှုကို ညွှန်ပြသော၊ တန်ဖိုးနိမ့်လေ၊ သင့်ဆုတ်ယုတ်မှု ခွဲခြမ်းစိတ်ဖြာမှုတွင် သင်ပိုမိုသေချာနိုင်လေဖြစ်သည်။

Standard Error သည် အမှတ်များသည် trendline မှ သွေဖည်သွားသည့် ပျမ်းမျှအကွာအဝေးကို ကိုယ်စားပြုသည့် empirical metric တစ်ခုဖြစ်သည်။ ဆန့်ကျင်ဘက်အားဖြင့်၊ R2 သည် မှီခိုပြောင်းလဲနိုင်သော ပြောင်းလဲခြင်း၏ အချိုးအစားကို ကိုယ်စားပြုသည်။ ဤအခြေအနေတွင်၊ Standard Error ၏တန်ဖိုးသည် 288.9 ( approx ) ဖြစ်ပြီး၊ ကျွန်ုပ်တို့၏ဒေတာအချက်များသည် ပျမ်းမျှအားဖြင့် trendline မှ 288.9 ကျဆင်းသွားသည်ကို ရည်ညွှန်းသည်။

လေ့လာတွေ့ရှိချက်များ

ကြည့်ရှုမှု သို့မဟုတ် ထည့်သွင်းမှုအရေအတွက်ကို ညွှန်ပြပါသည်။

ထူးခြားသောပြောင်းလဲမှုဖြစ်နိုင်ချေကို ဆုံးဖြတ်ပါ

အရေးကြီးတန်ဖိုး ကျွန်ုပ်တို့၏ ခွဲခြမ်းစိတ်ဖြာမှု၏ ယုံကြည်စိတ်ချရမှု (စာရင်းအင်းအရ အသံ) ကို ညွှန်ပြသည်။ တစ်နည်းအားဖြင့်၊ ၎င်းသည် ကျွန်ုပ်တို့၏ dataset မှားယွင်းနေခြင်း ဖြစ်နိုင်ခြေကို ရည်ညွှန်းသည်။ ဤတန်ဖိုးသည် 5% အောက်ဖြစ်သင့်သည်။ သို့သော် ဤကိစ္စတွင်၊ ကျွန်ုပ်တို့၏ အရေးပါမှုတန်ဖိုးမှာ 0.00117၊0.1% သို့ ဘာသာပြန်ဆိုခြင်းဖြစ်ပြီး 5% အောက်တွင် ကောင်းမွန်ပါသည်။ ဒါကြောင့် ကျွန်တော်တို့ရဲ့ ခွဲခြမ်းစိတ်ဖြာမှုဟာ ကောင်းတယ်။ မဟုတ်ပါက၊ ကျွန်ုပ်တို့၏ ခွဲခြမ်းစိတ်ဖြာမှုအတွက် မတူညီသော ကိန်းရှင်များကို ရွေးချယ်ရပေမည်။

ဆုတ်ယုတ်မှု ခွဲခြမ်းစိတ်ဖြာမှုတွင် P-တန်ဖိုး

သိသာထင်ရှားသော တန်ဖိုးတစ်ခုနှင့် နီးကပ်စွာချိတ်ဆက်ထားသည်၊ P- value သည် ဖော်ကိန်းတန်ဖိုး မှားနေခြင်း ဖြစ်နိုင်ခြေကို ရည်ညွှန်းသည်။ P-value သည် variable များနှင့် null hypothesis ၏ ဆက်စပ်မှုကို ရည်ညွှန်းသည်။

သင်၏ p-value ဆိုလျှင်< Significance နံပါတ်၊ null value hypothesis ကို ငြင်းပယ်ရန် လုံလောက်သော အထောက်အထား ရှိပါသည်။ ဆိုလိုသည်မှာ ကိန်းရှင်များကြားတွင် သုညမဟုတ်သော ဆက်နွယ်မှု မရှိဟု ဆိုလိုသည်။

သို့သော် p-value > Significance တန်ဖိုးဆိုလျှင်၊ ၎င်းကို ပယ်ရန် လုံလောက်သော အထောက်အထား ရှိမည်မဟုတ်ပါ။ null အယူအဆ။ ကိန်းရှင်များကြားတွင် ဆက်နွှယ်မှု မရှိနိုင်ကြောင်း ဆိုလိုပါသည်။

သို့သော်၊ ကိန်းရှင် စျေးနှုန်း =0.000948 ၏ P-value သည် < 0.00117 (အရေးကြီးသောတန်ဖိုး),

ထို့ကြောင့် ဤနေရာတွင် null hypothesis မရှိပါ။ နှင့် variables များကြားဆက်စပ်မှုကိုကြေငြာရန် လုံလောက်သောအထောက်အထားရှိပါသည်။

အခြားတစ်ဖက်တွင်၊ variable Sold ၊ (P-value) 0.0038515 < 0.0011723 (Significance value)

ထို့ကြောင့် ဤနေရာတွင် null hypothesis ရှိနေနိုင်သည်၊ နှင့် variable များကြားတွင် သုညမဟုတ်သော ဆက်နွယ်မှုကို ကြေညာရန် လုံလောက်သော အထောက်အထား မရှိပါ။

ကိစ္စအများစုတွင်၊ ဤ P -value သည် dataset တွင် variable ရှိ၊ မရှိ ဆုံးဖြတ်သည်။ ဥပမာအားဖြင့်၊ ကျွန်ုပ်တို့သည် Sold ကို ဖယ်ရှားသင့်သည်။ဒေတာအတွဲ၏ ကြံ့ခိုင်မှုကို ထိန်းသိမ်းထားရန် ပြောင်းလဲနိုင်သည်။

ဆုတ်ယုတ်မှုညီမျှခြင်း

Excel တွင် မျဉ်းကြောင်းပြန်ဆုတ်ခြင်းဆိုင်ရာ ခွဲခြမ်းစိတ်ဖြာမှုကို ကျွန်ုပ်တို့ဆုံးဖြတ်သည့်အခါ၊ လမ်းကြောင်းသစ်မျဉ်းသည် မျဉ်းဖြောင့်ဖြစ်သင့်သည်။ ယေဘူယျပုံစံမှာ-

Y=mX+C။

ဤတွင်၊ Y သည် မှီခိုသောကိန်းရှင်ဖြစ်သည်။

ထို့ပြင် ဤနေရာတွင် X သည် သီးခြားကိန်းရှင်ဖြစ်ပြီး၊ ဆိုလိုသည်မှာ variable Y ပေါ်တွင် variable x ပြောင်းလဲမှု၏အကျိုးသက်ရောက်မှုကို ကျွန်ုပ်တို့ဆုံးဖြတ်မည်ဖြစ်သည်။

C သည် Y-axis ဆုံရာ၏တန်ဖိုးသာဖြစ်လိမ့်မည်။ စာကြောင်း။

ဤကိစ္စတွင်၊ C  ကြားဖြတ်တန်ဖိုးသည် 9502.109853

နှင့် ကိန်းရှင်နှစ်ခုအတွက် m တန်ဖိုးမှာ -809.265 နှင့် 0.424818 ဖြစ်သည်။

ထို့ကြောင့်၊ ကျွန်ုပ်တို့တွင် သီးခြားကိန်းရှင်နှစ်ခုအတွက် နောက်ဆုံးညီမျှခြင်းရှိသည်။

ပထမတစ်ခုမှာ-

နောက်ပြီး ဒုတိယကိန်းရှင်အတွက် ညီမျှခြင်းမှာ-

Coefficients

ကျွန်ုပ်တို့ရရှိသောကိန်းဂဏန်းများမှာ m1=-809.2655 နှင့် m2=04248 ဖြစ်သည်။ ကြားဖြတ်ကိရိယာ၊ C= 9502.12 ။

• ပထမ၊ ကြားဖြတ်တန်ဖိုးသည် စျေးနှုန်း သုညဖြစ်သောအခါ ဝယ်လိုအားသည် 9502 ဖြစ်မည်ဟု ညွှန်ပြသည်။
• နှင့် တန်ဖိုးများ m စျေးနှုန်းပြောင်းလဲမှု၏ တစ်ယူနစ်လျှင် ဝယ်လိုအားပြောင်းလဲမှုနှုန်းကို ဖော်ပြသည်။ တစ်ယူနစ်စျေးနှုန်းမြင့်တက်ခြင်းသည် ဝယ်လိုအားကို အကြမ်းဖျင်းအားဖြင့် 809 ယူနစ်ဖြင့် ကျဆင်းသွားမည်ဖြစ်ကြောင်း ညွှန်ပြသော စျေးနှုန်းကိန်းတန်ဖိုးသည် -809.265 ဖြစ်သည်။
• ဒုတိယကိန်းရှင်အတွက်၊ ရောင်းပြီး၊ မီတာတန်ဖိုးမှာ 0.424 ဖြစ်သည်။ ၎င်းသည် ရောင်းလိုက်သည့်ပစ္စည်းတစ်ယူနစ် အပြောင်းအလဲကို ဆိုလိုသည်။ထုတ်ကုန်၏ 0424-အချိန်ယူနစ် တိုးလာမည်ဖြစ်သည်။

လက်ကျန်များ

The ကျန်ရှိသော မူရင်းနှင့် တွက်ချက်ထားသည့် ကွာခြားချက် regression line မှဝင်ရောက်မှုသည် ကွာခြားချက်ဖြစ်သည်။ လက်ကျန်များ သည် မျဉ်းကြောင်းမှ အမှန်တကယ်တန်ဖိုး မည်မျှဝေးသည်ကို ဖော်ပြသည်။ ဥပမာ၊ ပထမထည့်သွင်းမှုအတွက် ဆုတ်ယုတ်မှုခွဲခြမ်းစိတ်ဖြာမှုမှ တွက်ချက်ထားသော entry သည် 9497 ဖြစ်သည်။ ပထမမူရင်းတန်ဖိုးမှာ 9500 ဖြစ်သည်။ ထို့ကြောင့် ကျန်ရှိသောတန်ဖိုးသည် 2.109 ဝန်းကျင်ဖြစ်သည်။

T-Statistics Value

T-statics တန်ဖိုးသည် စံတန်ဖိုးဖြင့် ဖော်ကိန်းကို ပိုင်းခြားခြင်းဖြစ်သည်။ တန်ဖိုးပိုများလေ၊ ကိန်းဂဏန်း၏ ပိုမိုကောင်းမွန်သော ယုံကြည်စိတ်ချရမှုကို ညွှန်ပြပါသည်။

၎င်းသည် P-value ကို တွက်ချက်ရန် လိုအပ်သည့် ဤတန်ဖိုး၏ နောက်ထပ်ထူးခြားချက်တစ်ခု ရှိသေးသည်။

95% Confidence Interval

ဤတွင် ကျွန်ုပ်တို့အစတွင် 95 အဖြစ်သတ်မှတ်ထားသော variable ၏ ယုံကြည်မှု။ သို့သော် ၎င်းသည် ပြောင်းလဲနိုင်သည်။

• ဤတွင်၊ အောက် 95% ၏ coefficient value ကို 8496.84 အဖြစ် တွက်ချက်သည် ဆိုသည်မှာ အထက် 95% ကို 10507.37 အဖြစ် တွက်ချက်သည်၊
• ဆိုလိုသည်မှာ ကျွန်ုပ်တို့၏ နေစဉ်၊ ပင်မ coefficient သည် 9502.1 ဖြစ်သည်။ အမှုများ၏ 95% အတွက် 8496 အောက်တွင် ရှိနေနိုင်သည့် အခွင့်အလမ်း မြင့်မားပြီး 10507.37 ထက် 5% ဖြစ်ရန် အခွင့်အလမ်း

Read More:

မှတ်သားစရာများ

✎ ဆုတ်ယုတ်မှု ခွဲခြမ်းစိတ်ဖြာမှုနည်းလမ်းသည် ဆန်းစစ်မှုအောက်တွင် ကိန်းရှင်များကြား ဆက်စပ်မှုကိုသာ အကဲဖြတ်ပါသည်။ အကြောင်းရင်းကို မသတ်မှတ်ပါဘူး။ တစ်နည်းအားဖြင့် ရှုထောင့်ကိုသာ ကြည့်သည်။ဆက်စပ်စဉ်းစားသည်။ တစ်စုံတစ်ခုသော လုပ်ရပ်သည် တစ်စုံတစ်ခုကို ဖြစ်စေသောအခါ၊ အကြောင်းတရား ဖြစ်လာသည်။ ကိန်းရှင်တစ်ခု၏ ပြောင်းလဲမှုတစ်ခုသည် အပြောင်းအလဲများကို ဖန်တီးသည့်အခါ ၎င်းကို အကြောင်းရင်းဟု ယူဆနိုင်ပါသည်။

✎ ဆုတ်ယုတ်မှု ခွဲခြမ်းစိတ်ဖြာမှုမှာ အစွန်းအထင်းများကြောင့် ကြီးမားစွာ ဟန့်တားသည်။ ခွဲခြမ်းစိတ်ဖြာမှုမပြီးမီတွင် အစွန်းအထင်းများအားလုံးကို ဖယ်ရှားရပါမည်။ ဆုတ်ယုတ်မှုခွဲခြမ်းစိတ်ဖြာမှုရလဒ်များကို Excel တွင်ခွဲခြမ်းစိတ်ဖြာပြီးအဓိပ္ပာယ်ပြန်ဆိုရန်၊ ဤအချက်များကိုထည့်သွင်းစဉ်းစားရန်လိုသည်။

နိဂုံးချုပ်

၎င်းကိုအကျဉ်းချုပ်ပြောရလျှင် "Excel တွင်ဆုတ်ယုတ်မှုရလဒ်များကိုမည်သို့အဓိပ္ပာယ်ပြန်ဆိုရမည်နည်း" မေးခွန်းကို အသေးစိတ်ဖြင့်ဖြေသည်။ ခွဲခြမ်းစိတ်ဖြာပြီး နောက်ပိုင်းတွင် ပြန်ဆိုသည်။ ခွဲခြမ်းစိတ်ဖြာမှုကို ဒေတာခွဲခြမ်းစိတ်ဖြာခြင်း တဘ်ရှိ ဒေတာခွဲခြမ်းစိတ်ဖြာခြင်း တူးလ်ဖြင့် လုပ်ဆောင်ပါသည်။

ဤပြဿနာအတွက်၊ သင်သည် ဆုတ်ယုတ်ခြင်းဆိုင်ရာ ခွဲခြမ်းစိတ်ဖြာခြင်းနှင့် အနက်ပြန်ဆိုခြင်းကို လေ့ကျင့်နိုင်သော အလုပ်စာအုပ်ကို ဒေါင်းလုဒ်လုပ်နိုင်ပါသည်။ ၎င်း။

မှတ်ချက်ကဏ္ဍမှတဆင့် မည်သည့်မေးခွန်းများ သို့မဟုတ် အကြံပြုချက်မဆို မေးမြန်းနိုင်ပါသည်။ Exceldemy အသိုက်အဝန်း ပိုမိုကောင်းမွန်လာစေရန်အတွက် မည်သည့်အကြံပြုချက်မဆို အလွန်လေးစားဖွယ်ကောင်းပါသည်။