د ریګریشن تحلیل تقریبا په هر ډول احصایوي سافټویر کې دی لکه SPSS ، R، او د Excel یادونه نه کوي. رجعت کولی شي موږ ته د متغیرونو ترمنځ د اړیکو په اړه لوی انځور راکړي. لاین ریګریشن د ډیټا تحلیل وسیلې په کارولو سره په Excel کې خورا ګړندی ترسره کیدی شي. دا مقاله به وښيي چې تاسو څنګه کولی شئ په Excel کې د ریګریشن پایلې تشریح کړئ.

د تمرین کاري کتاب ډاونلوډ کړئ

لاندې د تمرین کاري کتاب ډاونلوډ کړئ.

ریګریشن څه شی دی؟

د ریګریشن تحلیل اکثرا د ډیټا تحلیل کې کارول کیږي ترڅو د څو متغیرونو ترمینځ اتحادیې مشخص کړي. د ریګریشن تحلیل تاسو ته اجازه درکوي چې وټاکئ چې د انحصار متغیر سره څه پیښیږي که چیرې یو خپلواک متغیر بدل شي. دا تاسو ته اجازه درکوي په ریاضيکي توګه هم معلومه کړئ چې کوم خپلواک متغیرونه اغیز لري.

ساده خطي ریګریشن په احصایو کې د څو خطي ریګریشن څخه توپیر لري. د خطي فعالیت په کارولو سره، ساده خطي ریګریشن تحلیل د متغیرونو او یو خپلواک متغیر تر مینځ اړیکه. څو خطي ریګریشن هغه وخت دی کله چې دوه یا ډیر توضیحي فکتورونه د متغیرونو د ټاکلو لپاره کارول کیږي. د انحصار متغیر پر ځای د غیر خطي ریګریشن کارول د غیر خطي فعالیت په توګه تشریح شوي ځکه چې د معلوماتو اړیکې خطي ندي. دا مقاله به په څو خطي تمرکز وکړيد راجستریشن د ښودلو لپاره چې تاسو څنګه کولی شئ په Excel کې د راجستریشن پایلې تشریح کړئ.

په Excel کې د راجستر کولو لپاره ګامونه

د راجستر کولو موخو لپاره، موږ به د لاندې ډیټاسیټ څخه کار واخلو د تحلیل اهداف. دلته خپلواک متغیر به د قیمت کالم او پلورل شوی کالم وي. د خپلواک کالم به د غوښتنې کالم وي.

3>

مراحلې

• موږ اړتیا لرو چې Data ټب ته لاړ شو او د راجستر کولو لپاره Data Analysis باندې کلیک وکړئ .

• یوه نوې کړکۍ به وي؛ د انحصار متغیر او خپلواک متغیر ډیټا سلسله غوره کړئ.
• بیا د لیبل بکس او باور بکس ټیک کړئ.
• بیا د محصول سیل سلسله کلیک وکړئ د محصول حجرې پته غوره کولو لپاره بکس
• بیا، د پاتې شونو محاسبه کولو لپاره باقی باندې ټیک کړئ.
• له هغې وروسته، د باقی پلاټونو باندې ټیک کړئ او لائن فټ پلاټ بکسونه
• له دې وروسته ښه کلک وکړئ.

14>

• کلک کولو وروسته ښه، د تحلیل لومړني محصول پیرامیټونه به په ټاکل شوي حجرو کې وي.

15>

• بیا به تاسو ځینې پیرامیټونه هم ترلاسه کړئ لکه په ANOVA ( د تغیر تحلیل ) جدول کې معنی ارزښت وغيره.
• دلته، df په ګوته کوي د توپیر د سرچینې پورې اړوند د آزادۍ درجه.
• SS د مربع مجموعه په ګوته کوي. ستاسو ماډل به ډاټا ښه منعکس کړي که چیرې باقی SS د ټول SS څخه کوچنی دی.
• MS معنی مربع.
• F د F -ازموینه د null hypothesis لپاره.
• اہمیت F د P - ارزښت د F په ګوته کوي.

• بیا به تاسو په جدول کې د متغیر ضمیمه، اهمیت ارزښت او نور هم ترلاسه کړئ.

• بیا به تاسو د کوفیینټ جدول لاندې وروستی جدول ترلاسه کړئ چې د هرې ننوتلو لپاره پاتې ارزښت لري.

20>

• بیا به تاسو غوښتنه مقابله بیه د راجستریشن چارټ ترلاسه کړئ، د رجحان لاین سره. دا، تاسو د رجحان لاین سره غوښتنه vs پلورل د راجستریشن چارټ ترلاسه کوئ. چارټ د پلورل متغیر څخه د هرې ننوتلو د پاتې شونو ویش ښیي.

23>

• یو بل چارټ شتون لري چې د پاتې شونو ویش ښیې د هر ننوتلو څخه د قیمت متغیر.

24>

بیا، موږ به تاسو ته وښیو چې تاسو څنګه n د دې ریګریشن پایلې په Excel کې تشریح کړئ.

نور ولولئ: په Excel کې لوژستیک ریګریشن څنګه ترسره کړئ (د چټکو ګامونو سره)

څنګه تشریح کړئ په Excel کې د راجستریشن پایلې

بل شی چې تاسو اړتیا لرئ د ریګریشن تحلیل ترسره کولو وروسته ترسره کړئ او تشریح یې کړئ. پایلې یې په لاندې ډول تشریح شوي او تشریح شوي دي.

د څو R-مربع ریګریشن ارزښت تحلیل

د R-squared شمیره دا په ګوته کوي چې د ډیټاسیټ عناصر څومره نږدې تړاو لري او د ریګریشن لاین څومره ښه له ډیټا سره سمون لري. موږ د څو خطي ریګریشن تحلیل څخه کار اخلو، په کوم کې چې موږ به په اصلي فاکتور باندې د دوه یا ډیرو متغیرونو اغیزې وټاکو. دا دې ته اشاره کوي چې څنګه انحصاري متغیر د یو خپلواک متغیر بدلون په توګه بدلیږي. د دې کثافاتو سلسله له -1 څخه تر 1 پورې ده. دلته،

• 1 د نږدې مثبت اړیکه معنی لري
• 0 پدې معنی چې د متغیرونو ترمنځ هیڅ اړیکه شتون نلري. په بل عبارت، د ډیټا ټکي تصادفي دي.
• -1 معنی د متغیرونو تر مینځ معکوس یا منفي اړیکه ده.

په پورته ښودل شوي محصول پایلو کې، د ورکړل شوي څو R- ارزښت د ډیټا سیټونه o.7578( تقریبا ) دي، کوم چې د متغیرونو تر مینځ قوي اړیکې په ګوته کوي.

R مربع

R مربع ارزښت تشریح کوي چې څنګه د انحصار متغیر غبرګون د خپلواک متغیر سره توپیر لري. زموږ په قضیه کې، ارزښت 0.574 (نږدې) دی، کوم چې د متغیرونو ترمنځ د مناسبې سمې اړیکې په توګه تشریح کیدی شي.

تعدیل شوی R-Squared

دا یوازې د R مربع ارزښت یو بدیل نسخه. دا په ساده ډول د وړاندوینه کوونکی متغیرونه بدلوي پداسې حال کې چې د ځواب متغیر وړاندوینه کوي. دا د

R^2 = 1 – [(1-R^2)*(n-1)/(n-k-1)] <3 حساب کوي

دلته، R^2 : د R^2 ارزښت چې موږ یې ترلاسه کړیډیټا سیټ.

n : د کتنو شمیر.

K : د وړاندوینې متغیرونو شمیر.

اهمیت دا ارزښت د دوه وړاندوینې متغیرونو تر مینځ د ریګریشن تحلیل کولو پرمهال رامینځته کیږي. که چیرې په ډیټاسیټ کې له یو څخه ډیر وړاندوینه کونکي متغیر وي، نو د R مربع ارزښت به انفلاسیون شي، کوم چې خورا ناغوښتل کیږي. تعدیل شوی R مربع ارزښت دا انفلاسیون تنظیموي او د متغیرونو دقیق انځور وړاندې کوي.

معیاري تېروتنه

یو بل ښه والی د مناسب میټریک دا ستاسو د راجستریشن تحلیل دقت په ګوته کوي؛ هرڅومره چې ارزښت ټیټ وي، هومره ډاډه اوسئ چې تاسو د خپل ریګریشن تحلیل کې یاست.

معیاري تېروتنه یو تجرباتي میټریک دی چې د اوسط واټن استازیتوب کوي چې ټکي د رجحان له کرښې څخه انحراف کوي. په مقابل کې، R2 د انحصاري متغیر تغیر تناسب استازیتوب کوي. په دې حالت کې، د معیاري تېروتنې ارزښت 288.9 ( تقریبا ) دی، کوم چې دا په ګوته کوي چې زموږ د معلوماتو ټکي، په اوسط ډول، د رجحان لاین څخه 288.9 راټیټیږي.

مشاهدات

د کتنو یا ننوتونو شمیر په ګوته کوي.

د پام وړ تغیرات مشخص کړئ

د د اهمیت ارزښت زموږ د تحلیل اعتبار (احصایوي پلوه غږ) په ګوته کوي. په بل عبارت، دا زموږ د ډیټاسیټ د غلط کیدو احتمال په ګوته کوي. دا ارزښت باید د 5٪ څخه کم وي. مګر په دې حالت کې، زموږ د ارزښت ارزښت 0.00117 دی،کوم چې 0.1٪ ته ژباړي، کوم چې د 5٪ څخه ښه دی. نو زموږ تحلیل سم دی. که نه نو، موږ باید د خپل تحلیل لپاره مختلف متغیرونه غوره کړو.

P-value in Regression Analysis

د پام وړ ارزښت سره نږدې تړاو لري، P- ارزښت د کوفیینټ ارزښت د غلط کیدو احتمال په ګوته کوي. د P-value له متغیرونو سره د null hypothesis تړاو ته اشاره کوي.

که ستاسو p-value < د اهمیت شمیره، کافي شواهد شتون لري چې د بې ارزښته ارزښت فرضیه رد کړي. دا پدې مانا ده چې د متغیرونو ترمنځ غیر صفر اړیکه شتون لري.

مګر که د p-value > اهمیت ارزښت وي، نو د ردولو لپاره کافي شواهد شتون نلري. بې ځایه فرضیه. دا په ډاګه کوي چې د متغیرونو تر منځ هیڅ اړیکه شتون نلري.

یا په صورت کې، د متغیر قیمت = 0.000948 < 0.00117 (د اهمیت ارزښت)،

نو دلته هیڅ نیمګړتیا شتون نلري، او د متغیرونو تر منځ د ارتباط اعلان کولو لپاره کافي شواهد شتون لري.

له بلې خوا، د متغیر لپاره <1 پلورل شوي ، د (P-value) 0.0038515 < 0.0011723 (د اهمیت ارزښت)

نو دلته ممکن یو نیمګړی فرضیه روانه وي، او کافي شواهد شتون نلري چې د متغیرونو ترمنځ غیر صفر ارتباط اعلان کړي.

په ډیرو مواردو کې، دا P - ارزښت ټاکي چې آیا یو متغیر به په ډیټاسیټ کې وي که نه. د مثال په توګه، موږ باید پلورل شوی لیرې کړود ډیټا سیټ د پیاوړتیا لپاره متغیر.

د ریګریشن مساوات

لکه څنګه چې موږ په Excel کې د خطي ریګریشن تحلیل مشخص کوو، د رجحان کرښه هم باید خطي وي. عمومي بڼه ده:

Y=mX+C.

دلته، Y انحصاري متغیر دی.

او X دلته خپلواک متغیر دی، پدې معنی چې موږ به په متغیر Y باندې د x د متغیر بدلون اغیز وټاکو.

C به یوازې د Y- محور تقاطع ارزښت وي. کرښه.

په دې حالت کې، د C  intercept ارزښت له 9502.109853 سره برابر دی

او د دوو متغیرونو لپاره د m ارزښت -809.265 او 0.424818 دی.

نو، موږ د دوو جلا متغیرونو لپاره وروستۍ معادل لرو.

لومړی یې دا دی:

او د دوهم متغیر لپاره معادل دا دی:

کوفیفینټ

هغه کوفیفینټونه چې موږ یې ترلاسه کړل m1=-809.2655 او m2=04248 دي. او انټرسیپټر، C= 9502.12 .

• لومړی، د انټرسیپټر ارزښت ښیي چې تقاضا به 9502 وي کله چې نرخ صفر وي.
• او ارزښتونه m هغه نرخ په ګوته کوي په کوم کې چې د نرخ بدلون په هر واحد کې تقاضا بدلیږي. د نرخ مجموعه ارزښت -809.265 دی، دا په ګوته کوي چې په نرخ کې د هر واحد زیاتوالی به تقاضا نږدې 809 واحدونو ته راټیټ کړي.
• د دویم متغیر لپاره، پلورل کیږي، د m ارزښت 0.424 دی. دا په ګوته کوي چې د هر واحد پلورل شوي توکي بدلوند محصول د 0424 وخت واحد زیاتوالی به پایله ولري.

پاشیشونه

د باقی د اصلي او حساب شوي ترمینځ توپیر د ریګریشن لاین څخه ننوتل توپیر دی. پاشیشونه دا په ګوته کوي چې ریښتیني ارزښت د کرښې څخه څومره لرې دی. د مثال په توګه، د ریګریشن تحلیل څخه د لومړۍ ننوتلو لپاره محاسبه شوې ننوتنه 9497 ده. او لومړی اصلي ارزښت 9500 دی. نو پاتې برخه شاوخوا 2.109 ده.

T-احصایې ارزښت

د T-statics ارزښت د معیاري ارزښت له مخې د کوفیفینټ ویش دی. څومره چې ارزښت لوړ وي، د کوفیینټ ښه اعتبار په ګوته کوي.

د دې ارزښت یو بل اهمیت هم شتون لري، کوم چې د د P ارزښت محاسبه کولو ته اړتیا لري.

د 95٪ باور وقفه

دلته د متغیر اعتماد موږ په پیل کې د 95 په توګه ټاکلی. که څه هم دا بدلون موندلی شي.

• دلته د ټیټ 95٪ کوفیفیټ ارزښت د 8496.84 په توګه محاسبه کیږي پدې معنی چې پورتنۍ 95٪ د 10507.37 په توګه محاسبه کیږي،
• دا پدې مانا ده چې زموږ اصلي ضخامت د 9502.1 په اړه دی. ډیر احتمال شتون لري چې ارزښت د 95٪ قضیو لپاره د 8496 څخه ښکته وي او د 5٪ چانس یې د 10507.37 څخه ډیر وي

نور ولولئ:

✎ د بیاکتنې تحلیل میتود یوازې د معاینې لاندې متغیرونو ترمینځ اړیکه ارزوي. دا علت نه جوړوي. په بل ډول، یوازې اړخاړیکي په پام کې نیسي. کله چې یو عمل د یو څه لامل شي، دا په علت بدلیږي. کله چې د یو متغیر بدلون بدلون رامینځته کوي، دا د علت په توګه ګڼل کیدی شي.

✎ د ریګریشن تحلیل د بهرنیانو لخوا خورا ډیر خنډ دی. مخکې له دې چې تحلیل ترسره شي ټول ډولونه باید لرې شي. په Excel کې د ریګریشن پایلو تحلیل او تشریح کولو لپاره، تاسو اړتیا لرئ دا ټکي په پام کې ونیسئ.

پایله

د دې د خلاصولو لپاره، دا پوښتنه "څنګه په Excel کې د ریګریشن پایلې تشریح کړئ" په تفصیل سره ځواب شوی. تحلیل او وروسته یې تشریح کول. تحلیل د Data ټب کې د Data Analysis وسیلې له لارې ترسره کیږي.

د دې ستونزې لپاره، د ډاونلوډ لپاره یو کاري کتاب شتون لري چیرې چې تاسو کولی شئ د ریګریشن تحلیل او تشریح تمرین کړئ. دا.

د تبصرې برخې له لارې د هرې پوښتنې یا نظر ورکولو لپاره وړیا احساس وکړئ. د Exceldemy ټولنې د ښه والي لپاره هر ډول وړاندیز به خورا د ستاینې وړ وي.