ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਲਗਭਗ ਹਰ ਕਿਸਮ ਦੇ ਅੰਕੜਾ ਸਾਫਟਵੇਅਰ ਵਿੱਚ ਹੁੰਦਾ ਹੈ ਜਿਵੇਂ ਕਿ SPSS , R, ਅਤੇ ਐਕਸਲ ਦਾ ਜ਼ਿਕਰ ਨਹੀਂ ਕਰਨਾ। ਰਿਗਰੈਸ਼ਨ ਸਾਨੂੰ ਵੇਰੀਏਬਲਾਂ ਵਿਚਕਾਰ ਸਬੰਧਾਂ ਬਾਰੇ ਵੱਡੀ ਤਸਵੀਰ ਦੇ ਸਕਦਾ ਹੈ। ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਐਕਸਲ ਵਿੱਚ ਰੇਖਿਕ ਰਿਗਰੈਸ਼ਨ ਬਹੁਤ ਤੇਜ਼ੀ ਨਾਲ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਇਹ ਲੇਖ ਦਿਖਾਏਗਾ ਕਿ ਤੁਸੀਂ ਐਕਸਲ ਵਿੱਚ ਰਿਗਰੈਸ਼ਨ ਨਤੀਜਿਆਂ ਦੀ ਵਿਆਖਿਆ ਕਿਵੇਂ ਕਰ ਸਕਦੇ ਹੋ।

ਪ੍ਰੈਕਟਿਸ ਵਰਕਬੁੱਕ ਡਾਊਨਲੋਡ ਕਰੋ

ਹੇਠਾਂ ਇਸ ਅਭਿਆਸ ਵਰਕਬੁੱਕ ਨੂੰ ਡਾਊਨਲੋਡ ਕਰੋ।

ਰਿਗਰੈਸ਼ਨ ਕੀ ਹੈ?

ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਵਰਤੋਂ ਅਕਸਰ ਕਈ ਵੇਰੀਏਬਲਾਂ ਵਿਚਕਾਰ ਸਬੰਧਾਂ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਤੁਹਾਨੂੰ ਇਹ ਚੁਣਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ ਕਿ ਨਿਰਭਰ ਵੇਰੀਏਬਲ ਦਾ ਕੀ ਹੁੰਦਾ ਹੈ ਜੇਕਰ ਸੁਤੰਤਰ ਵੇਰੀਏਬਲਾਂ ਵਿੱਚੋਂ ਇੱਕ ਬਦਲਦਾ ਹੈ। ਇਹ ਤੁਹਾਨੂੰ ਗਣਿਤਿਕ ਤੌਰ 'ਤੇ ਇਹ ਪਤਾ ਲਗਾਉਣ ਦਿੰਦਾ ਹੈ ਕਿ ਕਿਹੜੇ ਸੁਤੰਤਰ ਵੇਰੀਏਬਲਾਂ ਦਾ ਪ੍ਰਭਾਵ ਹੈ।

ਸਧਾਰਨ ਲੀਨੀਅਰ ਰਿਗਰੈਸ਼ਨ ਅੰਕੜਿਆਂ ਵਿੱਚ ਇੱਕ ਮਲਟੀਪਲ ਲੀਨੀਅਰ ਰਿਗਰੈਸ਼ਨ ਤੋਂ ਵੱਖਰਾ ਹੈ। ਇੱਕ ਲੀਨੀਅਰ ਫੰਕਸ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਸਧਾਰਨ ਲੀਨੀਅਰ ਰੀਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਵੇਰੀਏਬਲ ਅਤੇ ਇੱਕ ਸੁਤੰਤਰ ਵੇਰੀਏਬਲ ਵਿਚਕਾਰ ਸਬੰਧ। ਮਲਟੀਪਲ ਲੀਨੀਅਰ ਰਿਗਰੈਸ਼ਨ ਉਹ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਵੇਰੀਏਬਲਾਂ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਦੋ ਜਾਂ ਦੋ ਤੋਂ ਵੱਧ ਵਿਆਖਿਆਤਮਕ ਕਾਰਕਾਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਨਿਰਭਰ ਵੇਰੀਏਬਲ ਦੀ ਬਜਾਏ ਗੈਰ-ਲੀਨੀਅਰ ਰੀਗਰੈਸ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਇੱਕ ਗੈਰ-ਲੀਨੀਅਰ ਫੰਕਸ਼ਨ ਵਜੋਂ ਦਰਸਾਇਆ ਗਿਆ ਹੈ ਕਿਉਂਕਿ ਡੇਟਾ ਸਬੰਧ ਰੇਖਿਕ ਨਹੀਂ ਹਨ। ਇਹ ਲੇਖ ਮਲਟੀਪਲ ਲੀਨੀਅਰ 'ਤੇ ਕੇਂਦ੍ਰਿਤ ਹੋਵੇਗਾਰਿਗਰੈਸ਼ਨ ਇਹ ਦਰਸਾਉਣ ਲਈ ਕਿ ਤੁਸੀਂ ਐਕਸਲ ਵਿੱਚ ਰਿਗਰੈਸ਼ਨ ਨਤੀਜਿਆਂ ਦੀ ਵਿਆਖਿਆ ਕਿਵੇਂ ਕਰ ਸਕਦੇ ਹੋ।

ਐਕਸਲ ਵਿੱਚ ਰੀਗਰੈਸ਼ਨ ਕਰਨ ਦੇ ਕਦਮ

ਰਿਗਰੈਸ਼ਨ ਦੇ ਉਦੇਸ਼ਾਂ ਲਈ, ਅਸੀਂ ਹੇਠਾਂ ਦਿੱਤੇ ਡੇਟਾਸੈਟ ਦੀ ਵਰਤੋਂ ਕਰਾਂਗੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਉਦੇਸ਼. ਇੱਥੇ ਸੁਤੰਤਰ ਵੇਰੀਏਬਲ ਕੀਮਤ ਕਾਲਮ ਅਤੇ ਵਿਕਿਆ ਕਾਲਮ ਹੋਵੇਗਾ। ਸੁਤੰਤਰ ਕਾਲਮ ਡਿਮਾਂਡ ਕਾਲਮ ਹੋਵੇਗਾ।

ਕਦਮ

• ਸਾਨੂੰ ਡੇਟਾ ਟੈਬ 'ਤੇ ਜਾਣ ਦੀ ਲੋੜ ਹੈ ਅਤੇ ਰੀਗਰੈਸ਼ਨ ਕਰਨ ਲਈ ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ 'ਤੇ ਕਲਿੱਕ ਕਰੋ ।

• ਇੱਕ ਨਵੀਂ ਵਿੰਡੋ ਹੋਵੇਗੀ; ਨਿਰਭਰ ਵੇਰੀਏਬਲ ਅਤੇ ਸੁਤੰਤਰ ਵੇਰੀਏਬਲ ਡੇਟਾ ਰੇਂਜ ਦੀ ਚੋਣ ਕਰੋ।
• ਫਿਰ ਲੇਬਲ ਬਾਕਸ ਅਤੇ ਵਿਸ਼ਵਾਸ ਬਾਕਸ 'ਤੇ ਨਿਸ਼ਾਨ ਲਗਾਓ।
• ਫਿਰ ਆਉਟਪੁੱਟ ਸੈੱਲ ਰੇਂਜ 'ਤੇ ਕਲਿੱਕ ਕਰੋ। ਆਉਟਪੁੱਟ ਸੈੱਲ ਐਡਰੈੱਸ ਨੂੰ ਚੁਣਨ ਲਈ ਬਾਕਸ
• ਅੱਗੇ, ਰਹਿੰਦ-ਖੂੰਹਦ ਦੀ ਗਣਨਾ ਕਰਨ ਲਈ ਬਕਾਇਆ ਤੇ ਨਿਸ਼ਾਨ ਲਗਾਓ।
• ਉਸ ਤੋਂ ਬਾਅਦ, ਬਕਾਇਆ ਪਲਾਟਾਂ 'ਤੇ ਨਿਸ਼ਾਨ ਲਗਾਓ ਅਤੇ ਲਾਈਨ ਫਿਟ ਪਲਾਟ ਬਾਕਸ
• ਇਸ ਤੋਂ ਬਾਅਦ ਠੀਕ ਹੈ ਤੇ ਕਲਿੱਕ ਕਰੋ।

14>

• ਕਲਿਕ ਕਰਨ ਤੋਂ ਬਾਅਦ ਠੀਕ ਹੈ, ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਪ੍ਰਾਇਮਰੀ ਆਉਟਪੁੱਟ ਪੈਰਾਮੀਟਰ ਨਿਰਧਾਰਤ ਸੈੱਲਾਂ 'ਤੇ ਹੋਣਗੇ।

• ਫਿਰ ਤੁਹਾਨੂੰ ਕੁਝ ਪੈਰਾਮੀਟਰ ਵੀ ਮਿਲਣਗੇ। ਜਿਵੇਂ ਕਿ ਅਨੋਵਾ ( ਵਿਭਿੰਨਤਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ) ਸਾਰਣੀ ਵਿੱਚ ਮਹੱਤਵ ਮੁੱਲ ਆਦਿ।
• ਇੱਥੇ, df ਦਰਸਾਉਂਦਾ ਹੈ ਵਿਭਿੰਨਤਾ ਦੇ ਸਰੋਤ ਨਾਲ ਸਬੰਧਤ ਆਜ਼ਾਦੀ ਦੀ ਡਿਗਰੀ।
• SS ਵਰਗਾਂ ਦੇ ਜੋੜ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਤੁਹਾਡਾ ਮਾਡਲ ਡੇਟਾ ਨੂੰ ਬਿਹਤਰ ਢੰਗ ਨਾਲ ਦਰਸਾਏਗਾ ਜੇਕਰ ਬਕਾਇਆ SS ਕੁੱਲ SS ਤੋਂ ਛੋਟਾ ਹੈ।
• MS ਦਾ ਅਰਥ ਹੈ ਵਰਗ।
• F null hypothesis ਲਈ F -ਟੈਸਟ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।
• ਮਹੱਤਵ F F ਦਾ P -ਮੁੱਲ ਦਰਸਾਉਂਦਾ ਹੈ।

• ਫਿਰ ਤੁਸੀਂ ਇੱਕ ਸਾਰਣੀ ਵਿੱਚ ਵੇਰੀਏਬਲ ਦੇ ਗੁਣਾਂਕ, ਮਹੱਤਵ ਮੁੱਲ ਆਦਿ ਵੀ ਪ੍ਰਾਪਤ ਕਰੋਗੇ।

• ਫਿਰ ਤੁਹਾਨੂੰ ਗੁਣਾਂਕ ਸਾਰਣੀ ਦੇ ਹੇਠਾਂ ਇੱਕ ਅੰਤਮ ਸਾਰਣੀ ਮਿਲੇਗੀ ਜਿਸ ਵਿੱਚ ਹਰੇਕ ਐਂਟਰੀ ਲਈ ਬਕਾਇਆ ਮੁੱਲ ਹੋਵੇਗਾ।

• ਅੱਗੇ, ਤੁਹਾਨੂੰ ਇੱਕ ਰੁਝਾਨ ਲਾਈਨ ਦੇ ਨਾਲ ਡਿਮਾਂਡ ਬਨਾਮ ਕੀਮਤ ਰਿਗਰੈਸ਼ਨ ਚਾਰਟ ਮਿਲੇਗਾ।

• ਬਾਅਦ ਇਹ, ਤੁਹਾਨੂੰ ਇੱਕ ਰੁਝਾਨ ਲਾਈਨ ਦੇ ਨਾਲ ਡਿਮਾਂਡ ਬਨਾਮ ਵੇਚਿਆ ਰਿਗਰੈਸ਼ਨ ਚਾਰਟ ਮਿਲਦਾ ਹੈ।

22>

• ਇੱਕ ਹੋਰ ਹੈ ਚਾਰਟ ਵੇਚਿਆ ਵੇਰੀਏਬਲ ਤੋਂ ਹਰੇਕ ਐਂਟਰੀ ਦੇ ਰਹਿੰਦ-ਖੂੰਹਦ ਦੀ ਵੰਡ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।

23>

• ਉੱਥੇ ਇੱਕ ਹੋਰ ਚਾਰਟ ਹੈ ਜੋ ਰਹਿੰਦ-ਖੂੰਹਦ ਦੀ ਵੰਡ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਕੀਮਤ ਵੇਰੀਏਬਲ ਤੋਂ ਹਰੇਕ ਐਂਟਰੀ ਦੀ।

ਅੱਗੇ, ਅਸੀਂ ਤੁਹਾਨੂੰ ਦਿਖਾਵਾਂਗੇ ਕਿ ਤੁਸੀਂ ਕਿਵੇਂ n ਐਕਸਲ ਵਿੱਚ ਇਹਨਾਂ ਰਿਗਰੈਸ਼ਨ ਨਤੀਜਿਆਂ ਦੀ ਵਿਆਖਿਆ ਕਰੋ।

ਹੋਰ ਪੜ੍ਹੋ: ਐਕਸਲ ਵਿੱਚ ਲੌਜਿਸਟਿਕ ਰੀਗਰੈਸ਼ਨ ਕਿਵੇਂ ਕਰੀਏ (ਤੁਰੰਤ ਕਦਮਾਂ ਨਾਲ)

ਕਿਵੇਂ ਵਿਆਖਿਆ ਕਰੀਏ ਐਕਸਲ ਵਿੱਚ ਰਿਗਰੈਸ਼ਨ ਨਤੀਜੇ

ਅਗਲੀ ਚੀਜ਼ ਜੋ ਤੁਹਾਨੂੰ ਰੀਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਅਤੇ ਉਹਨਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਤੋਂ ਬਾਅਦ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। ਨਤੀਜੇ ਹੇਠਾਂ ਦਿੱਤੇ ਗਏ ਹਨ ਅਤੇ ਵਿਸਤ੍ਰਿਤ ਕੀਤੇ ਗਏ ਹਨ।

ਮਲਟੀਪਲ ਆਰ-ਸਕੁਆਇਰ ਰਿਗਰੈਸ਼ਨ ਵੈਲਯੂ ਵਿਸ਼ਲੇਸ਼ਣ

ਦ R-squared ਨੰਬਰ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਡੇਟਾਸੈਟ ਦੇ ਤੱਤ ਕਿੰਨੀ ਨਜ਼ਦੀਕੀ ਨਾਲ ਸਬੰਧਤ ਹਨ ਅਤੇ ਰੀਗਰੈਸ਼ਨ ਲਾਈਨ ਡੇਟਾ ਨਾਲ ਕਿੰਨੀ ਚੰਗੀ ਤਰ੍ਹਾਂ ਮੇਲ ਖਾਂਦੀ ਹੈ। ਅਸੀਂ ਮਲਟੀਪਲ ਲੀਨੀਅਰ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਵਰਤੋਂ ਕਰਨ ਜਾ ਰਹੇ ਹਾਂ, ਜਿਸ ਵਿੱਚ ਅਸੀਂ ਮੁੱਖ ਕਾਰਕ 'ਤੇ ਦੋ ਜਾਂ ਦੋ ਤੋਂ ਵੱਧ ਵੇਰੀਏਬਲਾਂ ਦੇ ਪ੍ਰਭਾਵ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨ ਜਾ ਰਹੇ ਹਾਂ। ਇਹ ਇਸ ਗੱਲ ਦਾ ਹਵਾਲਾ ਦਿੰਦਾ ਹੈ ਕਿ ਕਿਵੇਂ ਨਿਰਭਰ ਵੇਰੀਏਬਲ ਬਦਲਦਾ ਹੈ ਕਿਉਂਕਿ ਇੱਕ ਸੁਤੰਤਰ ਵੇਰੀਏਬਲ ਬਦਲਦਾ ਹੈ। ਇਸ ਗੁਣਾਂਕ ਦੀ ਰੇਂਜ -1 ਤੋਂ 1 ਤੱਕ ਹੈ। ਇੱਥੇ,

• 1 ਦਾ ਮਤਲਬ ਹੈ ਇੱਕ ਨਜ਼ਦੀਕੀ ਸਕਾਰਾਤਮਕ ਸਬੰਧ
• 0 ਦਾ ਮਤਲਬ ਹੈ ਵੇਰੀਏਬਲਾਂ ਵਿੱਚ ਕੋਈ ਸਬੰਧ ਨਹੀਂ ਹਨ। ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਡੇਟਾ ਪੁਆਇੰਟ ਬੇਤਰਤੀਬ ਹੁੰਦੇ ਹਨ।
• -1 ਦਾ ਮਤਲਬ ਵੇਰੀਏਬਲਾਂ ਵਿੱਚ ਉਲਟ ਜਾਂ ਨਕਾਰਾਤਮਕ ਸਬੰਧ ਹੈ।

ਉੱਪਰ ਦਿਖਾਏ ਗਏ ਆਉਟਪੁੱਟ ਨਤੀਜਿਆਂ ਵਿੱਚ, ਦਿੱਤੇ ਗਏ ਦਾ ਮਲਟੀਪਲ R-ਮੁੱਲ ਡਾਟਾ ਸੈੱਟ o.7578( ਲਗਭਗ ) ਹੈ, ਜੋ ਵੇਰੀਏਬਲਾਂ ਵਿਚਕਾਰ ਮਜ਼ਬੂਤ ​​ਸਬੰਧਾਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।

R ਵਰਗ

R ਵਰਗ ਮੁੱਲ ਦੱਸਦਾ ਹੈ ਕਿ ਕਿਵੇਂ ਨਿਰਭਰ ਵੇਰੀਏਬਲਾਂ ਦਾ ਜਵਾਬ ਸੁਤੰਤਰ ਵੇਰੀਏਬਲ ਲਈ ਵੱਖਰਾ ਹੁੰਦਾ ਹੈ। ਸਾਡੇ ਕੇਸ ਵਿੱਚ, ਮੁੱਲ 0.574(ਲਗਭਗ) ਹੈ, ਜਿਸਨੂੰ ਵੇਰੀਏਬਲਾਂ ਦੇ ਵਿਚਕਾਰ ਇੱਕ ਵਾਜਬ ਤੌਰ 'ਤੇ ਠੀਕ ਰਿਸ਼ਤੇ ਵਜੋਂ ਸਮਝਿਆ ਜਾ ਸਕਦਾ ਹੈ।

ਐਡਜਸਟਡ ਆਰ-ਸਕੁਆਇਰ

ਇਹ ਸਿਰਫ਼ ਹੈ R ਵਰਗ ਮੁੱਲ ਦਾ ਇੱਕ ਵਿਕਲਪਿਕ ਸੰਸਕਰਣ। ਇਹ ਸਿਰਫ਼ ਪ੍ਰੀਡੈਕਟਰ ਵੇਰੀਏਬਲ ਨੂੰ ਬਦਲਦਾ ਹੈ ਜਦੋਂ ਕਿ ਜਵਾਬ ਵੇਰੀਏਬਲ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇਹ

R^2 = 1 – [(1-R^2)*(n-1)/(n-k-1)] <3 ਦੇ ਰੂਪ ਵਿੱਚ ਗਣਨਾ ਕਰਦਾ ਹੈ>

ਇੱਥੇ, R^2 : R^2 ਮੁੱਲ ਜਿਸ ਤੋਂ ਅਸੀਂ ਪ੍ਰਾਪਤ ਕੀਤਾ ਹੈਡੇਟਾਸੈਟ।

n : ਨਿਰੀਖਣਾਂ ਦੀ ਸੰਖਿਆ।

K : ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਵਾਲੇ ਵੇਰੀਏਬਲਾਂ ਦੀ ਸੰਖਿਆ।

ਮਹੱਤਵ ਇਹ ਮੁੱਲ ਦੋ ਪੂਰਵ-ਸੂਚਕ ਵੇਰੀਏਬਲਾਂ ਵਿਚਕਾਰ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੇ ਸਮੇਂ ਪੈਦਾ ਹੁੰਦਾ ਹੈ। ਜੇਕਰ ਡੈਟਾਸੈੱਟ ਵਿੱਚ ਇੱਕ ਤੋਂ ਵੱਧ ਪੂਰਵ-ਸੂਚਕ ਵੇਰੀਏਬਲ ਹਨ, ਤਾਂ R ਵਰਗ ਮੁੱਲ ਵਧਾਇਆ ਜਾਵੇਗਾ, ਜੋ ਕਿ ਬਹੁਤ ਜ਼ਿਆਦਾ ਅਣਚਾਹੇ ਹੈ। ਐਡਜਸਟ ਕੀਤਾ R ਵਰਗ ਮੁੱਲ ਇਸ ਮੁਦਰਾਸਫੀਤੀ ਨੂੰ ਵਿਵਸਥਿਤ ਕਰਦਾ ਹੈ ਅਤੇ ਵੇਰੀਏਬਲਾਂ ਦੀ ਇੱਕ ਸਹੀ ਤਸਵੀਰ ਦਿੰਦਾ ਹੈ।

ਸਟੈਂਡਰਡ ਐਰਰ

ਇੱਕ ਹੋਰ ਚੰਗੀ-ਆਫ-ਫਿੱਟ ਮੀਟ੍ਰਿਕ ਜੋ ਤੁਹਾਡੇ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਸ਼ੁੱਧਤਾ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ; ਮੁੱਲ ਜਿੰਨਾ ਘੱਟ ਹੋਵੇਗਾ, ਤੁਸੀਂ ਆਪਣੇ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਓਨਾ ਹੀ ਯਕੀਨੀ ਹੋ ਸਕਦੇ ਹੋ।

ਸਟੈਂਡਰਡ ਐਰਰ ਇੱਕ ਅਨੁਭਵੀ ਮੈਟ੍ਰਿਕ ਹੈ ਜੋ ਔਸਤ ਦੂਰੀ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ ਜੋ ਬਿੰਦੂ ਰੁਝਾਨਲਾਈਨ ਤੋਂ ਭਟਕਦੇ ਹਨ। ਇਸਦੇ ਉਲਟ, R2 ਨਿਰਭਰ ਵੇਰੀਏਬਲ ਪਰਿਵਰਤਨ ਦੇ ਅਨੁਪਾਤ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਇਸ ਸਥਿਤੀ ਵਿੱਚ, ਸਟੈਂਡਰਡ ਐਰਰ ਦਾ ਮੁੱਲ 288.9 ( ਲਗਭਗ ) ਹੈ, ਜੋ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਸਾਡੇ ਡੇਟਾ ਪੁਆਇੰਟ, ਔਸਤਨ, ਰੁਝਾਨਲਾਈਨ ਤੋਂ 288.9 ਘਟਦੇ ਹਨ।

ਨਿਰੀਖਣ

ਨਿਰੀਖਣਾਂ ਜਾਂ ਇੰਦਰਾਜ਼ਾਂ ਦੀ ਸੰਖਿਆ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ।

ਮਹੱਤਵਪੂਰਨ ਵੇਰੀਏਬਲ ਨਿਰਧਾਰਤ ਕਰੋ

ਮਹੱਤਵ ਮੁੱਲ ਸਾਡੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਭਰੋਸੇਯੋਗਤਾ (ਅੰਕੜਿਆਂ ਦੇ ਤੌਰ 'ਤੇ ਸਹੀ) ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਇਹ ਸਾਡੇ ਡੇਟਾਸੈਟ ਦੇ ਗਲਤ ਹੋਣ ਦੀ ਸੰਭਾਵਨਾ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਇਹ ਮੁੱਲ 5% ਤੋਂ ਘੱਟ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਪਰ ਇਸ ਸਥਿਤੀ ਵਿੱਚ, ਸਾਡਾ ਮਹੱਤਵ ਮੁੱਲ 0.00117 ਹੈ,ਜੋ ਕਿ 0.1% ਦਾ ਅਨੁਵਾਦ ਕਰਦਾ ਹੈ, ਜੋ ਕਿ 5% ਤੋਂ ਹੇਠਾਂ ਹੈ। ਇਸ ਲਈ ਸਾਡਾ ਵਿਸ਼ਲੇਸ਼ਣ ਠੀਕ ਹੈ। ਨਹੀਂ ਤਾਂ, ਸਾਨੂੰ ਆਪਣੇ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਵੱਖ-ਵੱਖ ਵੇਰੀਏਬਲ ਚੁਣਨੇ ਪੈ ਸਕਦੇ ਹਨ।

ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਪੀ-ਮੁੱਲ

ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਮੁੱਲ ਨਾਲ ਨਜ਼ਦੀਕੀ ਤੌਰ 'ਤੇ ਜੁੜਿਆ ਹੋਇਆ ਹੈ, ਪੀ- ਮੁੱਲ ਗੁਣਾਂਕ ਮੁੱਲ ਦੇ ਗਲਤ ਹੋਣ ਦੀ ਸੰਭਾਵਨਾ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। P-ਮੁੱਲ ਵੇਰੀਏਬਲਾਂ ਨਾਲ ਨਲ ਪਰਿਕਲਪਨਾ ਦੇ ਸਬੰਧ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।

ਜੇ ਤੁਹਾਡਾ ਪੀ-ਮੁੱਲ < ਮਹੱਤਵ ਨੰਬਰ, ਨਲ ਮੁੱਲ ਪਰਿਕਲਪਨਾ ਨੂੰ ਰੱਦ ਕਰਨ ਲਈ ਕਾਫ਼ੀ ਸਬੂਤ ਹਨ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਵੇਰੀਏਬਲਾਂ ਵਿਚਕਾਰ ਇੱਕ ਗੈਰ-ਜ਼ੀਰੋ ਸਬੰਧ ਹੈ।

ਪਰ ਜੇਕਰ ਪੀ-ਮੁੱਲ > ਮਹੱਤਵ ਮੁੱਲ ਹੈ, ਤਾਂ ਇਸ ਨੂੰ ਖਾਰਜ ਕਰਨ ਲਈ ਨਾਕਾਫੀ ਸਬੂਤ ਹੋਣਗੇ। ਨਲ ਪਰਿਕਲਪਨਾ. ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਵੇਰੀਏਬਲਾਂ ਵਿਚਕਾਰ ਕੋਈ ਸਬੰਧ ਨਹੀਂ ਹੋ ਸਕਦਾ ਹੈ।

ਜਾਂ ਕੇਸ ਵਿੱਚ, ਵੇਰੀਏਬਲ ਕੀਮਤ =0.000948 < ਦਾ ਪੀ-ਮੁੱਲ । 0.00117 (ਮਹੱਤਵ ਮੁੱਲ),

ਇਸ ਲਈ ਇੱਥੇ ਕੋਈ ਖਾਲੀ ਪਰਿਕਲਪਨਾ ਨਹੀਂ ਚੱਲ ਰਹੀ ਹੈ, ਅਤੇ ਵੇਰੀਏਬਲਾਂ ਵਿਚਕਾਰ ਸਬੰਧਾਂ ਨੂੰ ਘੋਸ਼ਿਤ ਕਰਨ ਲਈ ਕਾਫ਼ੀ ਸਬੂਤ ਹਨ।

ਦੂਜੇ ਪਾਸੇ, ਵੇਰੀਏਬਲ <1 ਲਈ>ਵਿਕਿਆ , (P-ਮੁੱਲ) 0.0038515 < 0.0011723 (ਮਹੱਤਵ ਮੁੱਲ)

ਇਸ ਲਈ ਇੱਥੇ ਇੱਕ ਨਲ ਪਰਿਕਲਪਨਾ ਚੱਲ ਰਹੀ ਹੋ ਸਕਦੀ ਹੈ, ਅਤੇ ਵੇਰੀਏਬਲਾਂ ਵਿਚਕਾਰ ਗੈਰ-ਜ਼ੀਰੋ ਸਬੰਧ ਘੋਸ਼ਿਤ ਕਰਨ ਲਈ ਕਾਫ਼ੀ ਸਬੂਤ ਨਹੀਂ ਹਨ।

ਜ਼ਿਆਦਾਤਰ ਮਾਮਲਿਆਂ ਵਿੱਚ, ਇਹ ਪੀ. -ਮੁੱਲ ਇਹ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ ਕਿ ਇੱਕ ਵੇਰੀਏਬਲ ਡੇਟਾਸੈਟ ਵਿੱਚ ਹੋਵੇਗਾ ਜਾਂ ਨਹੀਂ। ਉਦਾਹਰਨ ਲਈ, ਸਾਨੂੰ Sold ਨੂੰ ਹਟਾਉਣਾ ਚਾਹੀਦਾ ਹੈਡੈਟਾਸੈੱਟ ਦੀ ਮਜ਼ਬੂਤੀ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖਣ ਲਈ ਵੇਰੀਏਬਲ।

ਰਿਗਰੈਸ਼ਨ ਸਮੀਕਰਨ

ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਐਕਸਲ ਵਿੱਚ ਲੀਨੀਅਰ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਦੇ ਹਾਂ, ਰੁਝਾਨ ਲਾਈਨ ਵੀ ਰੇਖਿਕ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ। ਆਮ ਰੂਪ ਹੈ:

Y=mX+C.

ਇੱਥੇ, Y ਨਿਰਭਰ ਵੇਰੀਏਬਲ ਹੈ।

ਅਤੇ X ਇੱਥੇ ਸੁਤੰਤਰ ਵੇਰੀਏਬਲ ਹੈ, ਮਤਲਬ ਕਿ ਅਸੀਂ ਵੇਰੀਏਬਲ Y 'ਤੇ ਵੇਰੀਏਬਲ x ਦੇ ਪਰਿਵਰਤਨ ਦੇ ਪ੍ਰਭਾਵ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਾਂਗੇ।

C ਸਿਰਫ਼ Y-ਧੁਰੀ ਇੰਟਰਸੈਕਸ਼ਨ ਦਾ ਮੁੱਲ ਹੋਵੇਗਾ। ਲਾਈਨ।

ਇਸ ਕੇਸ ਵਿੱਚ, C  ਇੰਟਰਸੈਪਟ ਦਾ ਮੁੱਲ 9502.109853 ਦੇ ਬਰਾਬਰ ਹੈ

ਅਤੇ ਦੋ ਵੇਰੀਏਬਲਾਂ ਲਈ m ਦਾ ਮੁੱਲ -809.265 ਅਤੇ 0.424818 ਹੈ।

ਇਸ ਲਈ, ਸਾਡੇ ਕੋਲ ਦੋ ਵੱਖ-ਵੱਖ ਵੇਰੀਏਬਲਾਂ ਲਈ ਅੰਤਿਮ ਸਮੀਕਰਨ ਹੈ।

ਪਹਿਲਾ ਇੱਕ ਹੈ:

ਅਤੇ ਦੂਜੇ ਵੇਰੀਏਬਲ ਲਈ ਸਮੀਕਰਨ ਹੈ:

ਗੁਣਾਂਕ

ਸਾਨੂੰ ਮਿਲੇ ਗੁਣਾਂਕ ਹਨ m1=-809.2655 ਅਤੇ m2=04248 । ਅਤੇ ਇੰਟਰਸੈਪਟਰ, C= 9502.12 ।

• ਪਹਿਲਾਂ, ਇੰਟਰਸੈਪਟਰ ਮੁੱਲ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਮੰਗ 9502 ਹੋਵੇਗੀ ਜਦੋਂ ਕੀਮਤ ਜ਼ੀਰੋ ਹੋਵੇਗੀ।
• ਅਤੇ ਦੇ ਮੁੱਲ m ਉਸ ਦਰ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਜਿਸ 'ਤੇ ਕੀਮਤ ਤਬਦੀਲੀ ਦੀ ਪ੍ਰਤੀ ਯੂਨਿਟ ਮੰਗ ਬਦਲਦੀ ਹੈ। ਕੀਮਤ ਗੁਣਾਂਕ ਮੁੱਲ -809.265 ਹੈ, ਜੋ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਕੀਮਤ ਵਿੱਚ ਪ੍ਰਤੀ ਯੂਨਿਟ ਵਾਧਾ ਮੰਗ ਨੂੰ ਲਗਭਗ 809 ਯੂਨਿਟਾਂ ਤੱਕ ਘਟਾ ਦੇਵੇਗਾ।
• ਦੂਜੇ ਵੇਰੀਏਬਲ ਲਈ, ਵੇਚਿਆ ਗਿਆ, m ਮੁੱਲ 0.424 ਹੈ। ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਪ੍ਰਤੀ ਯੂਨਿਟ ਵੇਚੀ ਗਈ ਆਈਟਮ ਵਿੱਚ ਤਬਦੀਲੀਨਤੀਜੇ ਵਜੋਂ ਉਤਪਾਦ ਦੀ ਇੱਕ 0424-ਵਾਰ ਇਕਾਈ ਵਿੱਚ ਵਾਧਾ ਹੋਵੇਗਾ।

ਅਵਸ਼ੇਸ਼

ਬਕਾਇਆ ਮੂਲ ਅਤੇ ਗਣਨਾ ਵਿੱਚ ਅੰਤਰ ਰਿਗਰੈਸ਼ਨ ਲਾਈਨ ਤੋਂ ਐਂਟਰੀ ਫਰਕ ਹੈ। ਅਵਸ਼ੇਸ਼ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ ਅਸਲ ਮੁੱਲ ਰੇਖਾ ਤੋਂ ਕਿੰਨਾ ਦੂਰ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਪਹਿਲੀ ਐਂਟਰੀ ਲਈ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਤੋਂ ਕੰਪਿਊਟਿਡ ਐਂਟਰੀ 9497 ਹੈ। ਅਤੇ ਪਹਿਲਾ ਮੂਲ ਮੁੱਲ 9500 ਹੈ। ਇਸ ਲਈ ਬਕਾਇਆ ਲਗਭਗ 2.109 ਹੈ।

ਟੀ-ਸਟੈਟਿਸਟਿਕਸ ਵੈਲਯੂ

ਟੀ-ਸਟੈਟਿਕਸ ਮੁੱਲ ਮਿਆਰੀ ਮੁੱਲ ਦੁਆਰਾ ਗੁਣਾਂਕ ਦੀ ਵੰਡ ਹੈ। ਮੁੱਲ ਜਿੰਨਾ ਉੱਚਾ ਹੁੰਦਾ ਹੈ, ਗੁਣਾਂਕ ਦੀ ਬਿਹਤਰ ਭਰੋਸੇਯੋਗਤਾ ਦਰਸਾਉਂਦੀ ਹੈ।

ਇਸ ਮੁੱਲ ਦਾ ਇੱਕ ਹੋਰ ਮਹੱਤਵ ਹੈ, ਜੋ ਕਿ P-ਮੁੱਲ ਦੀ ਗਣਨਾ ਕਰਨ ਲਈ ਲੋੜੀਂਦਾ ਹੈ।

95% ਵਿਸ਼ਵਾਸ ਅੰਤਰਾਲ

ਇੱਥੇ ਵੇਰੀਏਬਲ ਦਾ ਵਿਸ਼ਵਾਸ ਅਸੀਂ ਸ਼ੁਰੂ ਵਿੱਚ 95 ਦੇ ਰੂਪ ਵਿੱਚ ਸੈੱਟ ਕੀਤਾ ਹੈ। ਹਾਲਾਂਕਿ ਇਹ ਬਦਲ ਸਕਦਾ ਹੈ।

• ਇੱਥੇ, ਹੇਠਲੇ 95% ਦੇ ਗੁਣਾਂਕ ਮੁੱਲ ਨੂੰ 8496.84 ਵਜੋਂ ਗਿਣਿਆ ਜਾਂਦਾ ਹੈ, ਭਾਵ ਉੱਪਰਲੇ 95% ਦੀ ਗਣਨਾ 10507.37 ਵਜੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ,
• ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਜਦੋਂ ਸਾਡੇ ਮੁੱਖ ਗੁਣਾਂਕ ਲਗਭਗ ਹੈ, 9502.1. ਇੱਥੇ ਇੱਕ ਉੱਚ ਸੰਭਾਵਨਾ ਹੈ ਕਿ ਮੁੱਲ 95% ਕੇਸਾਂ ਲਈ 8496 ਤੋਂ ਹੇਠਾਂ ਹੋ ਸਕਦਾ ਹੈ ਅਤੇ ਇਸਦੇ 10507.37 ਤੋਂ ਵੱਧ ਹੋਣ ਦੀ 5% ਸੰਭਾਵਨਾ ਹੈ

ਹੋਰ ਪੜ੍ਹੋ:

ਯਾਦ ਰੱਖਣ ਵਾਲੀਆਂ ਗੱਲਾਂ

✎ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿਧੀ ਪੂਰੀ ਤਰ੍ਹਾਂ ਜਾਂਚ ਅਧੀਨ ਵੇਰੀਏਬਲਾਂ ਵਿਚਕਾਰ ਸਬੰਧਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰਦੀ ਹੈ। ਇਹ ਕਾਰਨ ਸਥਾਪਤ ਨਹੀਂ ਕਰਦਾ। ਹੋਰ ਤਰੀਕੇ ਨਾਲ, ਸਿਰਫ ਪਹਿਲੂਸਬੰਧਾਂ ਨੂੰ ਸਮਝਦਾ ਹੈ। ਜਦੋਂ ਕੋਈ ਕੰਮ ਕਿਸੇ ਚੀਜ਼ ਦਾ ਕਾਰਨ ਬਣਦਾ ਹੈ, ਤਾਂ ਇਹ ਕਾਰਨ ਬਣ ਜਾਂਦਾ ਹੈ। ਜਦੋਂ ਇੱਕ ਵੇਰੀਏਬਲ ਦੀ ਇੱਕ ਤਬਦੀਲੀ ਤਬਦੀਲੀ ਪੈਦਾ ਕਰਦੀ ਹੈ, ਤਾਂ ਇਸਨੂੰ ਕਾਰਣ ਮੰਨਿਆ ਜਾ ਸਕਦਾ ਹੈ।

✎ ਰੀਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਆਊਟਲੀਅਰਾਂ ਦੁਆਰਾ ਬਹੁਤ ਜ਼ਿਆਦਾ ਰੁਕਾਵਟ ਪਾਉਂਦਾ ਹੈ। ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤੇ ਜਾਣ ਤੋਂ ਪਹਿਲਾਂ ਹਰ ਕਿਸਮ ਦੇ ਆਊਟਲੀਅਰ ਨੂੰ ਹਟਾ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ। ਐਕਸਲ ਵਿੱਚ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਨਤੀਜਿਆਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਵਿਆਖਿਆ ਕਰਨ ਲਈ, ਤੁਹਾਨੂੰ ਇਹਨਾਂ ਨੁਕਤਿਆਂ 'ਤੇ ਵਿਚਾਰ ਕਰਨ ਦੀ ਲੋੜ ਹੈ।

ਸਿੱਟਾ

ਇਸਦਾ ਸਾਰ ਕਰਨ ਲਈ, "ਐਕਸਲ ਵਿੱਚ ਰਿਗਰੈਸ਼ਨ ਨਤੀਜਿਆਂ ਦੀ ਵਿਆਖਿਆ ਕਿਵੇਂ ਕਰੀਏ" ਸਵਾਲ ਦਾ ਜਵਾਬ ਵਿਸਤ੍ਰਿਤ ਰੂਪ ਵਿੱਚ ਦਿੱਤਾ ਗਿਆ ਹੈ। ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨਾ ਅਤੇ ਬਾਅਦ ਵਿੱਚ ਇਸਦਾ ਵਿਆਖਿਆ ਕਰਨਾ। ਵਿਸ਼ਲੇਸ਼ਣ ਡੇਟਾ ਟੈਬ ਵਿੱਚ ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਟੂਲ ਦੁਆਰਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।

ਇਸ ਸਮੱਸਿਆ ਲਈ, ਇੱਕ ਵਰਕਬੁੱਕ ਡਾਊਨਲੋਡ ਲਈ ਉਪਲਬਧ ਹੈ ਜਿੱਥੇ ਤੁਸੀਂ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਵਿਆਖਿਆ ਦਾ ਅਭਿਆਸ ਕਰ ਸਕਦੇ ਹੋ। ਇਹ।

ਟਿੱਪਣੀ ਸੈਕਸ਼ਨ ਰਾਹੀਂ ਕੋਈ ਵੀ ਸਵਾਲ ਜਾਂ ਫੀਡਬੈਕ ਪੁੱਛਣ ਲਈ ਬੇਝਿਜਕ ਮਹਿਸੂਸ ਕਰੋ। Exceldemy ਭਾਈਚਾਰੇ ਦੀ ਬਿਹਤਰੀ ਲਈ ਕੋਈ ਵੀ ਸੁਝਾਅ ਬਹੁਤ ਸ਼ਲਾਘਾਯੋਗ ਹੋਵੇਗਾ।