Analiza e regresionit është pothuajse në çdo lloj softueri statistikor si SPSS , R, dhe për të mos përmendur Excel. Regresioni mund të na japë një pamje të madhe rreth marrëdhënieve midis variablave. Regresioni linear mund të bëhet shumë shpejt në Excel duke përdorur mjetin Analiza e të dhënave . Ky artikull do të tregojë se si mund të interpretoni rezultatet e regresionit në Excel.

Shkarko librin e punës praktike

Shkarko këtë libër pune praktike më poshtë.

Çfarë është regresioni?

Analiza e regresionit përdoret shpesh në analizën e të dhënave për të përcaktuar lidhjet midis variablave të shumtë. Analiza e regresionit ju lejon të zgjidhni se çfarë ndodh me variablin e varur nëse një nga variablat e pavarur ndryshon. Gjithashtu ju lejon të kuptoni matematikisht se cilat variabla të pavarur kanë një ndikim.

Regresioni i thjeshtë linear është i ndryshëm nga një regresion linear i shumëfishtë në statistika. Duke përdorur një funksion linear, analizon regresionin linear të thjeshtë lidhjen midis variablave dhe një ndryshoreje të pavarur. Regresioni linear i shumëfishtë është kur përdoren dy ose më shumë faktorë shpjegues për të përcaktuar variablat. Përdorimi i regresionit jolinear në vend të variablës së varur përshkruhet si një funksion jolinear pasi marrëdhëniet e të dhënave nuk janë lineare. Ky artikull do të përqendrohet në shumë lineareregresioni për të demonstruar se si mund të interpretoni rezultatet e regresionit në Excel.

Hapat për të bërë regresionin në Excel

Për qëllime regresioni, ne do të përdorim të dhënat e mëposhtme për qëllimet e analizës. Këtu ndryshorja e pavarur do të jetë kolona Çmimi dhe kolona Shitet . Kolona i pavarur do të jetë kolona Kërkesa .

Hapat

• Duhet të shkojmë te skeda Data dhe të klikojmë në Analiza e të dhënave për të bërë regresion .

• Do të ketë një dritare të re; zgjidhni vargun e të dhënave të variablës së varur dhe variablit të pavarur.
• Më pas shënoni kutinë Etiketat dhe kutinë Besimi .
• Më pas klikoni në diapazonin e qelizave dalëse kutia për të zgjedhur adresën e qelizës dalëse
• Më pas, shënoni në Residual për të llogaritur mbetjet.
• Pas kësaj, shënoni vizatimet Residual dhe Kutitë Line Fit Plots
• Klikoni OK pas kësaj.

• Pasi të klikoni OK, parametrat kryesorë të daljes së analizës do të jenë në qelizat e specifikuara.

• Më pas do të merrni edhe disa parametra të tilla si Rëndësia vlera etj në tabelën ANOVA ( Analiza e variancës ).
• Këtu, df tregon shkalla e lirisë e lidhur me burimin e variancës.
• SS tregon shumën e katrorëve. Modeli juaj do t'i pasqyrojë të dhënat më mirë nëse Mbetja SS është më e vogël se Ss totale.
• MS do të thotë katror.
• F tregon F -testin për hipotezën zero.
• Rëndësia F tregon P -vlerën e F .

• Më pas do të merrni edhe koeficientët e ndryshores, vlerën e rëndësisë, etj në një tabelë.

• Më pas do të merrni një tabelë përfundimtare poshtë tabelës së koeficientit e cila përmban vlerën e mbetur për çdo hyrje.

• Më pas, do të merrni grafikun e regresionit Kërkesa vs Çmimi , me një linjë trendi.

• Pas kjo, ju merrni grafikun e regresionit Kërkesa vs Shitura me një linjë trendi.

• Ka një tjetër grafik që tregon shpërndarjen e mbetjeve të çdo hyrje nga variabli Shit .

• Ka një grafik tjetër që tregon shpërndarjen e mbetjeve për çdo hyrje nga variabli Çmimi .

Më pas, ne do t'ju tregojmë se si mund të n interpretoni këto rezultate të regresionit në Excel.

Lexo më shumë: Si të bëni regresion logjistik në Excel (me hapa të shpejtë)

Si të interpretoni Rezultatet e regresionit në Excel

Gjëja tjetër që duhet të bëni pasi të bëni analizën e regresionit dhe t'i interpretoni ato. Rezultatet përshkruhen dhe shtjellohen më poshtë.

Analiza e vlerës së regresionit të shumëfishtë në katror

Numri R-katror tregon se sa ngushtë janë të lidhur elementët e grupit të të dhënave dhe sa mirë përputhet linja e regresionit me të dhënat. Ne do të përdorim analizën e regresionit linear të shumëfishtë, në të cilën do të përcaktojmë ndikimin e dy ose më shumë variablave në faktorin kryesor. Kjo i referohet mënyrës se si ndryshon ndryshorja e varur pasi ndryshon një nga variablat e pavarur. Diapazoni i këtij koeficienti është nga -1 në 1. Këtu,

• 1 do të thotë një marrëdhënie e ngushtë pozitive
• 0 do të thotë se nuk ka marrëdhënie midis variablave. Me fjalë të tjera, pikat e të dhënave janë të rastësishme.
• -1 do të thotë marrëdhënie inverse ose negative midis variablave.

Në rezultatet e daljes të treguara më sipër, vlera e shumëfishtë R e dhënë grupet e të dhënave janë o.7578( përafërsisht ), që tregon marrëdhënie të forta midis variablave.

R në katror

R në katror vlera shpjegon se si përgjigja e variablave të varur ndryshon ndaj ndryshores së pavarur. Në rastin tonë, vlera është 0.574 (përafërsisht), e cila mund të interpretohet si një marrëdhënie e arsyeshme në rregull midis variablave.

Rregulluar R-Squared

Kjo është thjesht një version alternativ i vlerës R në katror . Kjo thjesht ngatërron variablat parashikues ndërsa parashikon variablin përgjigje . Llogarit si

R^2 = 1 – [(1-R^2)*(n-1)/(n-k-1)]

Këtu, R^2 : Vlera R^2 që morëm ngagrupi i të dhënave.

n : numri i vëzhgimeve.

K : numri i variablave parashikues.

Rëndësia e kësaj vlere lind gjatë kryerjes së analizës së regresionit midis dy variablave parashikues . Nëse ka më shumë se një variabël parashikues në grupin e të dhënave, atëherë vlera në katror R do të fryhet, gjë që është shumë e padëshirueshme. Vlera e rregulluar R në katror e rregullon këtë inflacion dhe jep një pamje të saktë të variablave.

Gabim standard

Një tjetër metrikë e përshtatshmërisë që tregon saktësinë e analizës suaj të regresionit; sa më e ulët të jetë vlera, aq më i sigurt mund të jeni në analizën tuaj të regresionit.

Gabimi standard është një metrikë empirike që përfaqëson distancën mesatare që pikat devijojnë nga vija e prirjes. Në të kundërt, R2 përfaqëson proporcionin e variacionit të variablave të varur. Në këtë rast, vlera e Gabimit Standard është 288.9 ( përafërsisht ), që tregon se pikat tona të të dhënave, mesatarisht, bien 288.9 nga vija e prirjes.

Vëzhgimet

Tregoni numrin e vëzhgimeve ose hyrjeve.

Përcaktoni variablin e rëndësishëm

Vlera e rëndësisë tregon besueshmërinë (statistikisht të qëndrueshme) të analizës sonë. Me fjalë të tjera, ai tregon mundësinë e të dhënave tona të gabuara. Kjo vlerë duhet të jetë nën 5%. Por në këtë rast, vlera jonë e rëndësisë është  0.00117,që përkthehet në 0.1%, që është shumë më poshtë se 5%. Pra, analiza jonë është në rregull. Përndryshe, mund të na duhet të zgjedhim variabla të ndryshëm për analizën tonë.

P-vlera në analizën e regresionit

Lidhur ngushtë me një vlerë të rëndësishme, P- vlera tregon probabilitetin që vlera e koeficientit të jetë e gabuar. P-vlera tregon lidhjen e hipotezës zero me variablat.

Nëse p-vlera juaj < Numri Rëndësia , ka prova të mjaftueshme për të hedhur poshtë hipotezën e vlerës zero. Kjo do të thotë se ka një korrelacion jo zero midis variablave.

Por nëse vlera p-vlera > Rëndësia , do të ketë prova të pamjaftueshme për të hedhur poshtë asnje hipoteze. Kjo tregon se nuk mund të ketë korrelacion midis variablave.

Në rast, P-vlera e variablës Çmimi =0,000948 < 0.00117 (vlera e rëndësisë),

Pra, këtu nuk ka hipotezë zero dhe ka prova të mjaftueshme për të deklaruar një korrelacion midis variablave.

Nga ana tjetër, për variablin Shitet , (vlera P) 0,0038515 < 0.0011723 (Vlera e rëndësisë)

Pra, këtu mund të ketë një hipotezë zero dhe nuk ka prova të mjaftueshme për të deklaruar një korrelacion jo zero midis variablave.

Në shumicën e rasteve, kjo P -vlera përcakton nëse një variabël do të jetë në grupin e të dhënave apo jo. Për shembull, ne duhet të heqim Shitet variabël për të ruajtur qëndrueshmërinë e grupit të të dhënave.

Ekuacioni i regresionit

Ndërsa përcaktojmë analizën e regresionit linear në Excel, linja e trendit duhet gjithashtu të jetë lineare. Forma e përgjithshme është:

Y=mX+C.

Këtu, Y është ndryshorja e varur.

Dhe X është ndryshorja e pavarur këtu, që do të thotë se ne do të përcaktojmë efektin e ndryshimit të ndryshores x në ndryshoren Y.

C do të jetë vetëm vlera e kryqëzimit të boshtit Y të rreshti.

Në këtë rast, vlera e ndërprerjes C  është e barabartë me 9502.109853

Dhe vlera e m për dy variablat është -809.265 dhe 0.424818.

0> Pra, ne kemi ekuacionin përfundimtar për dy ndryshoret e veçanta.

E para është:

Dhe ekuacioni për variablin e dytë është:

Koeficientët

Koeficientët që morëm janë m1=-809.2655 dhe m2=04248 . Dhe interceptori, C= 9502.12 .

• Së pari, vlera e interceptorit tregon se kërkesa do të jetë 9502 kur çmimi është zero.
• Dhe vlerat e m tregojnë shkallën me të cilën ndryshon kërkesa për njësi të ndryshimit të çmimit. Vlera e koeficientit të çmimit është -809.265, që tregon se një rritje për njësi në çmim do të ulë kërkesën me afërsisht 809 njësi.
• Për variablin e dytë, Shitur, vlera m është 0.424. Kjo tregon se ndryshimi për njësi të artikullit të shiturdo të rezultojë në një rritje prej 0424 njësi të produktit.

Mbetjet

Mbetja ndryshimi midis origjinalit dhe atij të llogaritur hyrja nga vija e regresionit është ndryshimi. Reziduat tregojnë se sa larg është vlera aktuale nga rreshti. Për shembull, hyrja e llogaritur nga analiza e regresionit për hyrjen e parë është 9497. Dhe vlera e parë origjinale është 9500. Pra, pjesa e mbetur është rreth 2,109.

Vlera e Statistikave T

Vlera e T-statikës është pjesëtimi i koeficientit me vlerën standarde. Sa më e lartë të jetë vlera, aq më e mirë është besueshmëria e koeficientit.

Ka një rëndësi tjetër të kësaj vlere, e cila kërkohet për llogaritjen e vlerës P.

Intervali i besimit 95%

Këtu besueshmëria e ndryshores e kemi vendosur si 95 në fillim. Megjithatë, mund të ndryshojë.

• Këtu, vlera e koeficientit të 95% më të ulët llogaritet si 8496.84 do të thotë se 95% e sipërme llogaritet si 10507.37,
• Kjo do të thotë se ndërsa koeficienti kryesor është rreth, 9502.1. ekziston një shans i lartë që vlera të jetë nën 8496 për 95% të rasteve dhe një shans 5% që të jetë mbi 10507.37

Lexo më shumë:

Gjërat për t'u mbajtur mend

✎ Metoda e analizës së regresionit vlerëson vetëm lidhjen midis variablave në shqyrtim. Nuk përcakton shkakësinë. Në mënyra të tjera, vetëm aspektie korrelacionit konsideron. Kur një veprim shkakton diçka, ai bëhet shkak. Kur një ndryshim i një ndryshoreje krijon ndryshime, ai mund të konsiderohet si shkak. Të gjitha llojet e pikave të jashtme duhet të hiqen përpara se të bëhet analiza. Për të analizuar dhe interpretuar rezultatet e analizës së regresionit në Excel, duhet të merrni parasysh këto pika.

Përfundim

Për ta përmbledhur, pyetjes "si të interpretohen rezultatet e regresionit në Excel" është përgjigjur në mënyrë të hollësishme duke e analizuar dhe interpretuar më vonë atë. Analiza kryhet nëpërmjet mjetit Analiza e të dhënave në skedën Të dhënat .

Për këtë problem, disponohet për shkarkim një libër pune ku mund të praktikoni analizën e regresionit dhe të interpretoni atë.

Ndjehuni të lirë të bëni çdo pyetje ose koment përmes seksionit të komenteve. Çdo sugjerim për përmirësimin e komunitetit Exceldemy do të jetë shumë i vlerësuar.