ਅਸੀਂ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਾਂ ਜਦੋਂ ਸਾਡੇ ਕੋਲ ਦੋ ਵੱਖ-ਵੱਖ ਸਰੋਤਾਂ ਤੋਂ ਦੋ ਵੇਰੀਏਬਲਾਂ ਦਾ ਡੇਟਾ ਹੁੰਦਾ ਹੈ ਅਤੇ ਉਹਨਾਂ ਵਿਚਕਾਰ ਇੱਕ ਰਿਸ਼ਤਾ ਬਣਾਉਣਾ ਚਾਹੁੰਦੇ ਹਾਂ। ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਸਾਨੂੰ ਇੱਕ ਰੇਖਿਕ ਮਾਡਲ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਜੋ ਸਾਨੂੰ ਸੰਭਾਵਿਤ ਨਤੀਜਿਆਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ। ਸਪੱਸ਼ਟ ਕਾਰਨਾਂ ਕਰਕੇ ਪੂਰਵ ਅਨੁਮਾਨਿਤ ਅਤੇ ਅਸਲ ਮੁੱਲਾਂ ਵਿਚਕਾਰ ਕੁਝ ਅੰਤਰ ਹੋਣਗੇ। ਨਤੀਜੇ ਵਜੋਂ, ਅਸੀਂ ਰੀਗਰੈਸ਼ਨ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਮਿਆਰੀ ਗਲਤੀ ਦੀ ਗਣਨਾ ਕਰਦੇ ਹਾਂ , ਜੋ ਕਿ ਅਨੁਮਾਨਿਤ ਅਤੇ ਅਸਲ ਮੁੱਲਾਂ ਵਿਚਕਾਰ ਔਸਤ ਗਲਤੀ ਹੈ। ਇਸ ਟਿਊਟੋਰਿਅਲ ਵਿੱਚ, ਅਸੀਂ ਤੁਹਾਨੂੰ ਦਿਖਾਵਾਂਗੇ ਕਿ ਐਕਸਲ ਵਿੱਚ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਮਿਆਰੀ ਗਲਤੀ ਦੀ ਗਣਨਾ ਕਿਵੇਂ ਕਰਨੀ ਹੈ।

ਅਭਿਆਸ ਵਰਕਬੁੱਕ ਡਾਊਨਲੋਡ ਕਰੋ

ਜਦੋਂ ਤੁਸੀਂ ਹੋ ਤਾਂ ਕਸਰਤ ਕਰਨ ਲਈ ਇਸ ਅਭਿਆਸ ਵਰਕਬੁੱਕ ਨੂੰ ਡਾਊਨਲੋਡ ਕਰੋ। ਇਸ ਲੇਖ ਨੂੰ ਪੜ੍ਹੋ।

ਐਕਸਲ ਵਿੱਚ ਰਿਗਰੈਸ਼ਨ ਦੀ ਸਟੈਂਡਰਡ ਐਰਰ ਦੀ ਗਣਨਾ ਕਰਨ ਲਈ 4 ਸਧਾਰਨ ਕਦਮ

ਮੰਨ ਲਓ ਤੁਹਾਡੇ ਕੋਲ ਹੈ ਇੱਕ ਸੁਤੰਤਰ ਵੇਰੀਏਬਲ ( X ) ਅਤੇ ਇੱਕ ਨਿਰਭਰ ਵੇਰੀਏਬਲ ( Y ) ਨਾਲ ਇੱਕ ਡਾਟਾ ਸੈੱਟ। ਜਿਵੇਂ ਕਿ ਤੁਸੀਂ ਦੇਖ ਸਕਦੇ ਹੋ, ਉਹਨਾਂ ਦਾ ਕੋਈ ਮਹੱਤਵਪੂਰਨ ਸਬੰਧ ਨਹੀਂ ਹੈ. ਪਰ ਅਸੀਂ ਇੱਕ ਬਣਾਉਣਾ ਚਾਹੁੰਦੇ ਹਾਂ। ਨਤੀਜੇ ਵਜੋਂ, ਅਸੀਂ ਦੋਵਾਂ ਵਿਚਕਾਰ ਇੱਕ ਰੇਖਿਕ ਸਬੰਧ ਬਣਾਉਣ ਲਈ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਵਰਤੋਂ ਕਰਾਂਗੇ। ਅਸੀਂ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਦੋ ਵੇਰੀਏਬਲਾਂ ਵਿਚਕਾਰ ਮਿਆਰੀ ਗਲਤੀ ਦੀ ਗਣਨਾ ਕਰਾਂਗੇ। ਇਸਦੀ ਵਿਆਖਿਆ ਕਰਨ ਵਿੱਚ ਤੁਹਾਡੀ ਮਦਦ ਕਰਨ ਲਈ ਅਸੀਂ ਲੇਖ ਦੇ ਦੂਜੇ ਅੱਧ ਵਿੱਚ ਰਿਗਰੈਸ਼ਨ ਮਾਡਲ ਦੇ ਕੁਝ ਮਾਪਦੰਡਾਂ ਨੂੰ ਦੇਖਾਂਗੇ।

ਕਦਮ 1: ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਮਾਂਡ ਨੂੰ ਲਾਗੂ ਕਰੋਇੱਕ ਰਿਗਰੈਸ਼ਨ ਮਾਡਲ ਬਣਾਓ

• ਪਹਿਲਾਂ, ਡਾਟਾ ਟੈਬ 'ਤੇ ਜਾਓ ਅਤੇ ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ 'ਤੇ ਕਲਿੱਕ ਕਰੋ। ਕਮਾਂਡ।

• ਡਾਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਸੂਚੀ ਬਕਸੇ ਵਿੱਚੋਂ, ਨੂੰ ਚੁਣੋ। ਰਿਗਰੈਸ਼ਨ ਵਿਕਲਪ।
• ਫਿਰ, ਠੀਕ ਹੈ 'ਤੇ ਕਲਿੱਕ ਕਰੋ।

ਸਟੈਪ 2: ਰਿਗਰੈਸ਼ਨ ਬਾਕਸ ਵਿੱਚ ਇਨਪੁਟ ਅਤੇ ਆਉਟਪੁੱਟ ਰੇਂਜ ਪਾਓ

• ਇਨਪੁਟ Y ਰੇਂਜ ਲਈ, ਰੇਂਜ C4:C13 ਚੁਣੋ। ਹੈਡਰ ਦੇ ਨਾਲ।
• ਲੇਬਲ ਚੈੱਕ ਬਾਕਸ 'ਤੇ ਕਲਿੱਕ ਕਰੋ।

• ਇਨਪੁਟ X ਰੇਂਜ ਲਈ B4:B13 ਰੇਂਜ ਚੁਣੋ।

• ਪਸੰਦੀਦਾ ਸਥਾਨ 'ਤੇ ਨਤੀਜਾ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ, ਆਊਟਪੁੱਟ ਰੇਂਜ ਲਈ ਕੋਈ ਵੀ ਸੈੱਲ ( B16 ) ਚੁਣੋ। ।
• ਅੰਤ ਵਿੱਚ, ਠੀਕ ਹੈ 'ਤੇ ਕਲਿੱਕ ਕਰੋ।

ਹੋਰ ਪੜ੍ਹੋ: ਐਕਸਲ ਵਿੱਚ ਅਨੁਪਾਤ ਦੀ ਮਿਆਰੀ ਗਲਤੀ ਦੀ ਗਣਨਾ ਕਿਵੇਂ ਕਰੀਏ (ਆਸਾਨ ਕਦਮਾਂ ਨਾਲ)

ਕਦਮ 3: ਮਿਆਰੀ ਗਲਤੀ ਲੱਭੋ

• ਤੋਂ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ, ਤੁਸੀਂ ਦਾ ਮੁੱਲ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹੋ ਮਿਆਰੀ ਗਲਤੀ ( 3156471 )।

ਹੋਰ ਪੜ੍ਹੋ: ਕਿਵੇਂ ਐਕਸਲ (2 ਆਸਾਨ ਤਰੀਕੇ) ਵਿੱਚ ਬਕਾਇਆ ਸਟੈਂਡਰਡ ਐਰਰ ਲੱਭਣ ਲਈ

ਕਦਮ 4: ਪਲਾਟ ਰੀਗਰੈਸ਼ਨ ਮਾਡਲ ਚਾਰਟ

• ਸਭ ਤੋਂ ਪਹਿਲਾਂ, ਇਨਸਰਟ <'ਤੇ ਕਲਿੱਕ ਕਰੋ। 9> ਟੈਬ।
• ਚਾਰਟ ਗਰੁੱਪ ਤੋਂ, ਸਕੈਟਰ ਚਾਰਟ ਚੁਣੋ।

• ਸੱਜਾ ਕਲਿੱਕ ਕਰੋ ਕਿਸੇ ਇੱਕ ਉੱਤੇਪੁਆਇੰਟ।
• ਵਿਕਲਪਾਂ ਵਿੱਚੋਂ, ਟਰੈਂਡਲਾਈਨ ਸ਼ਾਮਲ ਕਰੋ ਵਿਕਲਪ ਨੂੰ ਚੁਣੋ।

• ਇਸ ਲਈ, ਤੁਹਾਡਾ<1 ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਚਾਰਟ ਨੂੰ ਹੇਠਾਂ ਦਿਖਾਈ ਗਈ ਤਸਵੀਰ ਦੇ ਰੂਪ ਵਿੱਚ ਬਣਾਇਆ ਜਾਵੇਗਾ।

• ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਨ ਲਈ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਸਮੀਕਰਨ, ਫਾਰਮੈਟ ਟ੍ਰੈਂਡਲਾਈਨ ਤੋਂ ਚਾਰਟ ਉੱਤੇ ਸਮੀਕਰਨ ਦਿਖਾਓ ਵਿਕਲਪ 'ਤੇ ਕਲਿੱਕ ਕਰੋ।

• ਨਤੀਜੇ ਵਜੋਂ, ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਸਮੀਕਰਨ ( y = 1.0844x + 107.21 ) ਚਾਰਟ ਵਿੱਚ ਦਿਖਾਈ ਦੇਵੇਗਾ।

ਨੋਟ:

ਤੁਸੀਂ ਅਨੁਮਾਨਿਤ ਮੁੱਲਾਂ ਅਤੇ ਅਸਲ ਵਿੱਚ ਅੰਤਰ ਦੀ ਗਣਨਾ ਕਰ ਸਕਦੇ ਹੋ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਸਮੀਕਰਨ ਤੋਂ ਮੁੱਲ।

ਪੜਾਅ:

• ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਸਮੀਕਰਨ ਨੂੰ ਦਰਸਾਉਣ ਲਈ ਫਾਰਮੂਲਾ ਟਾਈਪ ਕਰੋ।

• ਇਸ ਲਈ, ਤੁਹਾਨੂੰ ਪਹਿਲਾ ਅਨੁਮਾਨਿਤ ਮੁੱਲ ਮਿਲੇਗਾ ( 129.9824 ), ਜੋ ਅਸਲ ਮੁੱਲ ( 133 ) ਤੋਂ ਵੱਖਰਾ ਹੈ।

• <1 ਦੀ ਵਰਤੋਂ ਕਰੋ।> ਆਟੋਫਿਲ ਟੂਲ ਕਾਲਮ ਨੂੰ ਆਟੋ-ਫਿਲ ਕਰਨ ਲਈ D ।

• ਗਲਤੀ ਦੀ ਗਣਨਾ ਕਰਨ ਲਈ, ਹੇਠਾਂ ਦਿੱਤੇ ਫਾਰਮੂਲੇ ਨੂੰ ਟਾਈਪ ਕਰੋ ਘਟਾਓ।

• ਅੰਤ ਵਿੱਚ, ਆਟੋ-ਫਿਲ ਕਾਲਮ E ਗਲਤੀ ਮੁੱਲਾਂ ਦਾ ਪਤਾ ਲਗਾਉਣ ਲਈ।

ਹੋਰ ਪੜ੍ਹੋ: ਰੈਗਰੇਸ਼ਨ ਸਲੋਪ ਦੀ ਮਿਆਰੀ ਗਲਤੀ ਦੀ ਗਣਨਾ ਕਿਵੇਂ ਕਰੀਏ ਐਕਸਲ

ਐਕਸਲ ਵਿੱਚ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਵਿਆਖਿਆ

1. ਸਟੈਂਡਰਡ ਐਰਰ

ਅਸੀਂ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਸਮੀਕਰਨ ਤੋਂ ਦੇਖ ਸਕਦੇ ਹਾਂ ਕਿ ਪੂਰਵ-ਅਨੁਮਾਨਿਤ ਅਤੇ ਵਾਸਤਵਿਕ ਮੁੱਲਾਂ ਵਿਚਕਾਰ ਹਮੇਸ਼ਾ ਕੋਈ ਅੰਤਰ ਜਾਂ ਗਲਤੀ ਹੁੰਦੀ ਹੈ। ਨਤੀਜੇ ਵਜੋਂ, ਸਾਨੂੰ ਅੰਤਰਾਂ ਦੀ ਔਸਤ ਵਿਵਹਾਰ ਦੀ ਗਣਨਾ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ।

A ਮਿਆਰੀ ਗਲਤੀ ਅਨੁਮਾਨਿਤ ਮੁੱਲ ਅਤੇ ਅਸਲ ਮੁੱਲ ਦੇ ਵਿਚਕਾਰ ਔਸਤ ਗਲਤੀ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ। ਅਸੀਂ 8.3156471 ਨੂੰ ਸਾਡੇ ਉਦਾਹਰਨ ਰਿਗਰੈਸ਼ਨ ਮਾਡਲ ਵਿੱਚ ਸਟੈਂਡਰਡ ਐਰਰ ਵਜੋਂ ਖੋਜਿਆ। ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਅਨੁਮਾਨਿਤ ਅਤੇ ਅਸਲ ਮੁੱਲਾਂ ਵਿੱਚ ਅੰਤਰ ਹੈ, ਜੋ ਕਿ ਮਿਆਰੀ ਗਲਤੀ ( 15.7464 ) ਤੋਂ ਵੱਧ ਜਾਂ ਤੋਂ ਘੱਟ ਹੋ ਸਕਦਾ ਹੈ। ਮਿਆਰੀ ਗਲਤੀ ( 4.0048 )। ਹਾਲਾਂਕਿ, ਸਾਡੀ ਔਸਤ ਗਲਤੀ ਹੋਵੇਗੀ 8.3156471 , ਜੋ ਕਿ ਸਟੈਂਡਰਡ ਐਰਰ ਹੈ।

ਨਤੀਜੇ ਵਜੋਂ, ਮਾਡਲ ਦਾ ਟੀਚਾ ਮਿਆਰੀ ਗਲਤੀ ਨੂੰ ਘਟਾਉਣਾ ਹੈ। ਘੱਟ ਸਟੈਂਡਰਡ ਐਰਰ, ਜ਼ਿਆਦਾ ਸਟੀਕ ਮਾਡਲ।

2. ਗੁਣਾਂਕ

ਰਿਗਰੈਸ਼ਨ ਗੁਣਾਂਕ ਦਾ ਮੁਲਾਂਕਣ ਕਰਦਾ ਹੈ ਅਗਿਆਤ ਮੁੱਲਾਂ ਦੇ ਜਵਾਬ। ਰਿਗਰੈਸ਼ਨ ਸਮੀਕਰਨ ( y = 1.0844x + 107.21 ), 1.0844 ਗੁਣਾਕ ਹੈ। , x ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਵਾਲਾ ਸੁਤੰਤਰ ਵੇਰੀਏਬਲ ਹੈ, 107.21 ਸਥਿਰ ਹੈ, ਅਤੇ y <9 x ਲਈ ਜਵਾਬ ਮੁੱਲ ਹੈ।

• A ਸਕਾਰਾਤਮਕ ਗੁਣਾਂਕ ਅਨੁਮਾਨ ਕਰਦਾ ਹੈ ਕਿ ਗੁਣਾਂਕ ਜਿੰਨਾ ਉੱਚਾ ਹੋਵੇਗਾ, ਜਵਾਬ ਓਨਾ ਹੀ ਉੱਚਾ ਹੋਵੇਗਾਵੇਰੀਏਬਲ ਇਹ ਇੱਕ ਅਨੁਪਾਤਕ ਸੰਬੰਧ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।
• A ਨੈਗੇਟਿਵ ਗੁਣਾਂਕ ਭਵਿੱਖਬਾਣੀ ਕਰਦਾ ਹੈ ਕਿ ਗੁਣਾਂਕ ਜਿੰਨਾ ਉੱਚਾ ਹੋਵੇਗਾ, ਜਵਾਬ ਮੁੱਲ ਓਨੇ ਹੀ ਘੱਟ ਹੋਣਗੇ। ਇਹ ਇੱਕ ਅਨੁਪਾਤਕ ਸੰਬੰਧ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।

3. ਪੀ-ਵੈਲਯੂਜ਼

ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ, ਪੀ- ਮੁੱਲ ਅਤੇ ਗੁਣਾਂਕ ਤੁਹਾਨੂੰ ਇਹ ਸੂਚਿਤ ਕਰਨ ਲਈ ਸਹਿਯੋਗ ਕਰਦੇ ਹਨ ਕਿ ਕੀ ਤੁਹਾਡੇ ਮਾਡਲ ਵਿੱਚ ਸਬੰਧ ਅੰਕੜਾਤਮਕ ਤੌਰ 'ਤੇ ਢੁਕਵੇਂ ਹਨ ਅਤੇ ਉਹ ਰਿਸ਼ਤੇ ਕਿਹੋ ਜਿਹੇ ਹਨ। ਹਰੇਕ ਸੁਤੰਤਰ ਵੇਰੀਏਬਲ ਲਈ ਪੀ-ਮੁੱਲ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਸੁਤੰਤਰ ਵੇਰੀਏਬਲ ਦਾ ਨਿਰਭਰ ਵੇਰੀਏਬਲ ਨਾਲ ਕੋਈ ਸਬੰਧ ਨਾ ਹੋਣ ਦੀ ਨਲ ਪਰਿਕਲਪਨਾ ਦੀ ਜਾਂਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਸੁਤੰਤਰ ਵੇਰੀਏਬਲ ਵਿੱਚ ਤਬਦੀਲੀਆਂ ਅਤੇ ਨਿਰਭਰ ਵੇਰੀਏਬਲ ਵਿੱਚ ਪਰਿਵਰਤਨ ਵਿਚਕਾਰ ਕੋਈ ਸਬੰਧ ਨਹੀਂ ਹੈ ਜੇਕਰ ਕੋਈ ਸਬੰਧ ਨਹੀਂ ਹੈ।

• ਤੁਹਾਡਾ ਨਮੂਨਾ ਡੇਟਾ ਗਲਤ ਲਈ ਨਲ ਪਰਿਕਲਪਨਾ ਨੂੰ ਕਾਫ਼ੀ ਸਮਰਥਨ ਦਿੰਦਾ ਹੈ। ਪੂਰੀ ਆਬਾਦੀ ਜੇਕਰ ਕਿਸੇ ਵੇਰੀਏਬਲ ਲਈ p-ਮੁੱਲ ਤੁਹਾਡੀ ਮਹੱਤਤਾ ਥ੍ਰੈਸ਼ਹੋਲਡ ਤੋਂ ਘੱਟ ਹੈ। ਤੁਹਾਡਾ ਸਬੂਤ ਗੈਰ-ਜ਼ੀਰੋ ਸਬੰਧ ਦੀ ਧਾਰਨਾ ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ। ਜਨਸੰਖਿਆ ਪੱਧਰ 'ਤੇ, ਸੁਤੰਤਰ ਵੇਰੀਏਬਲ ਵਿੱਚ ਤਬਦੀਲੀਆਂ ਨਿਰਭਰ ਵੇਰੀਏਬਲ ਵਿੱਚ ਤਬਦੀਲੀਆਂ ਨਾਲ ਜੁੜੀਆਂ ਹੁੰਦੀਆਂ ਹਨ।
• A p-ਮੁੱਲ ਵੱਡਾ ਮਹੱਤਵ ਪੱਧਰ ਤੋਂ, ਦੋਵੇਂ ਪਾਸੇ। , ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਤੁਹਾਡੇ ਨਮੂਨੇ ਵਿੱਚ ਨਾਕਾਫ਼ੀ ਸਬੂਤ ਇਹ ਸਥਾਪਿਤ ਕਰਨ ਲਈ ਹੈ ਕਿ ਇੱਕ ਗੈਰ-ਜ਼ੀਰੋ ਸਬੰਧ ਮੌਜੂਦ ਹੈ।

ਕਿਉਂਕਿ ਉਹਨਾਂ ਦੇ ਪੀ-ਮੁੱਲ ( 5.787E-06 , 1.3E-06<9 ) ਘੱਟ ਹਨ ਮਹੱਤਵਪੂਰਨ ਮੁੱਲ ( 5.787E-06 ), ਸੁਤੰਤਰ ਵੇਰੀਏਬਲ (X) ਤੋਂ ਅਤੇ ਇੰਟਰਸੈਪਟ ਅੰਕੜਾਤਮਕ ਤੌਰ 'ਤੇ ਮਹੱਤਵਪੂਰਨ ਹਨ, ਜਿਵੇਂ ਕਿ ਰਿਗਰੈਸ਼ਨ ਆਉਟਪੁੱਟ ਉਦਾਹਰਨ ਵਿੱਚ ਦੇਖਿਆ ਗਿਆ ਹੈ।

4. ਆਰ-ਵਰਗ ਮੁੱਲ

ਲੀਨੀਅਰ ਰਿਗਰੈਸ਼ਨ ਮਾਡਲਾਂ ਲਈ, ਆਰ-ਵਰਗ ਇੱਕ ਪੂਰਨਤਾ ਮਾਪ ਹੈ। ਇਹ ਅਨੁਪਾਤ ਨਿਰਭਰ ਵੇਰੀਏਬਲ ਵਿੱਚ ਪਰਿਵਰਤਨ ਦੀ ਪ੍ਰਤੀਸ਼ਤਤਾ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਜਿਸਨੂੰ ਇਕੱਠੇ ਕੀਤੇ ਜਾਣ 'ਤੇ ਸੁਤੰਤਰ ਕਾਰਕ ਖਾਤੇ ਹੁੰਦੇ ਹਨ। ਇੱਕ ਆਸਾਨ 0–100 ਪ੍ਰਤੀਸ਼ਤ ਪੈਮਾਨੇ 'ਤੇ, R-ਵਰਗ ਤੁਹਾਡੇ ਮਾਡਲ ਅਤੇ ਨਿਰਭਰ ਵੇਰੀਏਬਲ ਦੇ ਵਿਚਕਾਰ ਕਨੈਕਸ਼ਨ ਦੀ ਤਾਕਤ ਮਾਣਦਾ ਹੈ।

R2 ਮੁੱਲ ਇਸ ਗੱਲ ਦਾ ਮਾਪ ਹੈ ਕਿ ਰਿਗਰੈਸ਼ਨ ਮਾਡਲ ਤੁਹਾਡੇ ਡੇਟਾ ਨੂੰ ਕਿੰਨੀ ਚੰਗੀ ਤਰ੍ਹਾਂ ਫਿੱਟ ਕਰਦਾ ਹੈ। ਉੱਚਾ ਨੰਬਰ , ਬਿਹਤਰ ਮੁਮਕਿਨ ਮਾਡਲ।

ਸਿੱਟਾ

ਮੈਨੂੰ ਉਮੀਦ ਹੈ ਕਿ ਇਸ ਲੇਖ ਨੇ ਤੁਹਾਨੂੰ ਇੱਕ ਦਿੱਤਾ ਹੈ ਐਕਸਲ ਵਿੱਚ ਰਿਗਰੈਸ਼ਨ ਦੀ ਮਿਆਰੀ ਗਲਤੀ ਦੀ ਗਣਨਾ ਕਰਨ ਬਾਰੇ ਟਿਊਟੋਰਿਅਲ। ਇਹ ਸਾਰੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ ਸਿੱਖੀਆਂ ਜਾਣੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ ਅਤੇ ਤੁਹਾਡੇ ਡੇਟਾਸੈਟ 'ਤੇ ਲਾਗੂ ਕੀਤੀਆਂ ਜਾਣੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ। ਅਭਿਆਸ ਵਰਕਬੁੱਕ 'ਤੇ ਇੱਕ ਨਜ਼ਰ ਮਾਰੋ ਅਤੇ ਇਹਨਾਂ ਹੁਨਰਾਂ ਨੂੰ ਪਰੀਖਣ ਲਈ ਪਾਓ। ਤੁਹਾਡੇ ਵੱਡਮੁੱਲੇ ਸਹਿਯੋਗ ਕਾਰਨ ਅਸੀਂ ਇਸ ਤਰ੍ਹਾਂ ਦੇ ਟਿਊਟੋਰੀਅਲ ਬਣਾਉਣ ਲਈ ਪ੍ਰੇਰਿਤ ਹਾਂ।

ਜੇਕਰ ਤੁਹਾਡੇ ਕੋਈ ਸਵਾਲ ਹਨ ਤਾਂ ਕਿਰਪਾ ਕਰਕੇ ਸਾਡੇ ਨਾਲ ਸੰਪਰਕ ਕਰੋ। ਨਾਲ ਹੀ, ਹੇਠਾਂ ਦਿੱਤੇ ਭਾਗ ਵਿੱਚ ਟਿੱਪਣੀਆਂ ਕਰਨ ਲਈ ਸੁਤੰਤਰ ਮਹਿਸੂਸ ਕਰੋ।

ਅਸੀਂ, Exceldemy ਟੀਮ, ਤੁਹਾਡੇ ਸਵਾਲਾਂ ਲਈ ਹਮੇਸ਼ਾ ਜਵਾਬਦੇਹ ਹਾਂ।

ਸਾਡੇ ਨਾਲ ਰਹੋ ਅਤੇ ਸਿੱਖਦੇ ਰਹੋ।