இரண்டு வெவ்வேறு மூலங்களிலிருந்து இரண்டு மாறிகளில் இருந்து தரவைக் கொண்டு, அவற்றுக்கிடையே ஒரு உறவை உருவாக்க விரும்பும்போது, ​​ பின்னடைவு பகுப்பாய்வு ஐப் பயன்படுத்துகிறோம். பின்னடைவு பகுப்பாய்வு சாத்தியமான விளைவுகளைக் கணிக்க அனுமதிக்கும் நேரியல் மாதிரியை நமக்கு வழங்குகிறது. வெளிப்படையான காரணங்களுக்காக கணிக்கப்பட்ட மற்றும் உண்மையான மதிப்புகளுக்கு இடையே சில வேறுபாடுகள் இருக்கும். இதன் விளைவாக, நாங்கள் நிலையான பிழை பின்னடைவு மாதிரியைப் பயன்படுத்தி கணக்கிடுகிறோம், இது கணிக்கப்பட்ட மற்றும் உண்மையான மதிப்புகளுக்கு இடையிலான சராசரி பிழையாகும். இந்த டுடோரியலில், எக்செல் இல் பின்னடைவு பகுப்பாய்வின் நிலையான பிழையை எவ்வாறு கணக்கிடுவது என்பதை நாங்கள் உங்களுக்குக் காண்பிப்போம்.

பயிற்சிப் பணிப்புத்தகத்தைப் பதிவிறக்கவும்

நீங்கள் இருக்கும்போது உடற்பயிற்சி செய்ய இந்தப் பயிற்சிப் புத்தகத்தைப் பதிவிறக்கவும். இந்தக் கட்டுரையைப் படிக்கிறது.

4 எக்செல் இல் உள்ள பின்னடைவின் நிலையான பிழையைக் கணக்கிடுவதற்கான எளிய வழிமுறைகள்

உங்களிடம் இருப்பதாகக் கருதுங்கள் சுயாதீன மாறி ( X ) மற்றும் சார்ந்த மாறி ( Y ) கொண்ட தரவுத் தொகுப்பு. நீங்கள் பார்க்க முடியும் என, அவர்களுக்கு குறிப்பிடத்தக்க உறவு இல்லை. ஆனால் நாங்கள் ஒன்றை உருவாக்க விரும்புகிறோம். இதன் விளைவாக, இரண்டிற்கும் இடையே நேரியல் உறவை உருவாக்க பின்னடைவு பகுப்பாய்வு பயன்படுத்துவோம். பின்னடைவு பகுப்பாய்வைப் பயன்படுத்தி இரண்டு மாறிகளுக்கு இடையிலான நிலையான பிழையைக் கணக்கிடுவோம். கட்டுரையின் இரண்டாம் பாதியில், பின்னடைவு மாதிரியின் சில அளவுருக்களைப் புரிந்துகொள்வோம்.

படி 1: தரவு பகுப்பாய்வு கட்டளையைப் பயன்படுத்தவும்ஒரு பின்னடைவு மாதிரியை உருவாக்கவும்

• முதலில், தரவு தாவலுக்குச் சென்று தரவு பகுப்பாய்வு என்பதைக் கிளிக் செய்யவும் கட்டளை.

• தரவு பகுப்பாய்வு பட்டியல் பெட்டியில் இருந்து ஐத் தேர்ந்தெடுக்கவும் பின்னடைவு விருப்பம்.
• பின், சரி என்பதைக் கிளிக் செய்யவும்.

படி 2: பின்னடைவு பெட்டியில் உள்ளீடு மற்றும் வெளியீட்டு வரம்பை செருகவும்

• உள்ளீடு Y வரம்பிற்கு , வரம்பைத் தேர்ந்தெடுக்கவும் C4:C13 தலைப்புடன்.
• லேபிள்கள் தேர்வுப்பெட்டியைக் கிளிக் செய்யவும்
  • உள்ளீடு X வரம்பிற்கு B4:B13 வரம்பைத் தேர்ந்தெடுக்கவும்.
  <0

• விருப்பமான இடத்தில் முடிவைப் பெற, வெளியீட்டு வரம்பிற்கு ( B16 ) ஏதேனும் ஒரு கலத்தைத் தேர்ந்தெடுக்கவும் .
• இறுதியாக, சரி என்பதைக் கிளிக் செய்யவும்.

மேலும் படிக்க: எக்செல் விகிதத்தின் நிலையான பிழையை எவ்வாறு கணக்கிடுவது (எளிதான படிகளுடன்)

படி 3: நிலையான பிழையைக் கண்டறியவும்

• இலிருந்து பின்னடைவு பகுப்பாய்வு, நீங்கள் மதிப்பைப் பெறலாம் நிலையான பிழை ( 3156471 ).

3>

மேலும் படிக்க: எப்படி எக்செல் இல் எஞ்சிய நிலையான பிழையைக் கண்டறிய (2 எளிதான முறைகள்)

படி 4: ப்ளாட் ரிக்ரஷன் மாதிரி விளக்கப்படம்

• முதலில், செருகு <என்பதைக் கிளிக் செய்யவும் 9> தாவல்.
• விளக்கப்படங்கள் குழுவிலிருந்து, சிதறல் விளக்கப்படத்தைத் தேர்ந்தெடுக்கவும்.

• வலது கிளிக் புள்ளிகள்.
• விருப்பங்களிலிருந்து, டிரெண்ட்லைனைச் சேர் விருப்பத்தைத் தேர்ந்தெடுக்கவும்.

• எனவே, உங்கள் பின்னடைவு பகுப்பாய்வு விளக்கப்படம் கீழே காட்டப்பட்டுள்ள படம் போல திட்டமிடப்படும் 8> பின்னடைவு பகுப்பாய்வு சமன்பாடு, Format Trendline இலிருந்து Display equation on Chart விருப்பத்தை கிளிக் செய்யவும். 15>

• இதன் விளைவாக, பின்னடைவு பகுப்பாய்வின் சமன்பாடு ( y = 1.0844x + 107.21 ) விளக்கப்படத்தில் தோன்றும்.

குறிப்புகள்:

கணிக்கப்பட்ட மதிப்புகளுக்கும் உண்மையான மதிப்புக்கும் உள்ள வேறுபாட்டை நீங்கள் கணக்கிடலாம் பின்னடைவு பகுப்பாய்வு சமன்பாட்டிலிருந்து மதிப்புகள்.

படிகள்:

• பின்னடைவு பகுப்பாய்வு சமன்பாட்டைக் குறிக்க சூத்திரத்தைத் தட்டச்சு செய்க =1.0844*B5 + 107.21

• எனவே, நீங்கள் முதலில் கணித்த மதிப்பைப் பெறுவீர்கள் ( 129.9824 ), இது உண்மையான மதிப்பிலிருந்து வேறுபடுகிறது ( 133 ).

• <1ஐப் பயன்படுத்தவும் தானியங்கு நிரப்பு கருவி நெடுவரிசையை தானாக நிரப்ப D .

• பிழையைக் கணக்கிட, பின்வரும் சூத்திரத்தை தட்டச்சு செய்யவும் கழிக்கவும் 9> பிழை மதிப்புகளைக் கண்டறிய.

மேலும் படிக்க: பின்னடைவு சரிவின் நிலையான பிழையை எவ்வாறு கணக்கிடுவது எக்செல்

எக்செல் இல் பின்னடைவு பகுப்பாய்வின் விளக்கம்

1. நிலையான பிழை

கணிக்கப்பட்ட மற்றும் உண்மையான மதிப்புகளுக்கு இடையே எப்போதும் வேறுபாடு அல்லது பிழை இருப்பதை பின்னடைவு பகுப்பாய்வு சமன்பாட்டிலிருந்து நாம் பார்க்கலாம். இதன் விளைவாக, வேறுபாடுகளின் சராசரி விலகலை நாம் கணக்கிட வேண்டும்.

ஒரு நிலையான பிழை கணிக்கப்பட்ட மதிப்புக்கும் உண்மையான மதிப்புக்கும் இடையிலான சராசரி பிழையைக் குறிக்கிறது. எங்கள் எடுத்துக்காட்டு பின்னடைவு மாதிரியில் 8.3156471 நிலையான பிழை என கண்டறிந்தோம். கணிக்கப்பட்ட மற்றும் உண்மையான மதிப்புகளுக்கு இடையே வேறுபாடு இருப்பதை இது குறிக்கிறது, இது நிலையான பிழை ( 15.7464 ) அல்லது ஐ விட குறைவாக இருக்கலாம் நிலையான பிழை ( 4.0048 ). இருப்பினும், எங்கள் சராசரி பிழை 8.3156471 ஆக இருக்கும், இது நிலையான பிழை .

இதன் விளைவாக, மாதிரியின் குறிக்கோள் நிலையான பிழையைக் குறைப்பதாகும். குறைந்த நிலைப் பிழை, மேலும் துல்லியமான மாதிரி.

2. குணகங்கள்

பின்னடைவு குணகம் மதிப்பிடுகிறது அறியப்படாத மதிப்புகளின் பதில்கள். பின்னடைவு சமன்பாட்டில் ( y = 1.0844x + 107.21 ), 1.0844 என்பது குணம் , x என்பது முன்கணிப்பு சார்பற்ற மாறி, 107.21 என்பது மாறிலி, மற்றும் y <9 என்பது x க்கான மறுமொழி மதிப்பு.

• A நேர்மறை குணகம் அதைக் கணிக்கின்றது அதிக குணகம், அதிக பதில்மாறி. இது ஒரு விகிதாசார உறவைக் குறிக்கிறது.
• ஒரு எதிர்மறை குணகம் உயர் குணகம், மறுமொழி மதிப்புகள் குறைவாக இருக்கும் என்று கணித்துள்ளது. இது விகிதாசாரமற்ற உறவைக் குறிக்கிறது.

3. பி-மதிப்புகள்

பின்னடைவு பகுப்பாய்வில், ப- மதிப்புகள் மற்றும் குணகங்கள் உங்கள் மாதிரியில் உள்ள தொடர்புகள் புள்ளிவிவர ரீதியாக தொடர்புடையதா மற்றும் அந்த உறவுகள் எப்படி இருக்கும் என்பதை உங்களுக்கு தெரிவிக்க ஒத்துழைக்கின்றன. பூஜ்ய கருதுகோள் சார்பு மாறிக்கு சார்பு மாறியுடன் எந்த தொடர்பும் இல்லை என்பது ஒவ்வொரு சுயாதீன மாறிக்கும் p-மதிப்பு ஐப் பயன்படுத்தி சோதிக்கப்படுகிறது. சார்பற்ற மாறியின் மாற்றங்கள் மற்றும் சார்பு மாறியின் மாறுபாடுகளுக்கு இடையே எந்த தொடர்பும் இல்லை.

• உங்கள் மாதிரி தரவு தவறான க்கான பூஜ்ய கருதுகோளை போதுமான ஆதரவை வழங்குகிறது. ஒரு மாறிக்கான p-மதிப்பு உங்கள் முக்கியத்துவ வரம்பை விட குறைவாக இருந்தால் முழு மக்கள் தொகை. உங்கள் சான்றுகள் பூஜ்ஜியமற்ற தொடர்பு என்ற கருத்தை ஆதரிக்கிறது. மக்கள்தொகை அளவில், சார்பு மாறியில் ஏற்படும் மாற்றங்கள் சார்பு மாறியின் மாற்றங்களுடன் இணைக்கப்பட்டுள்ளன.
• A p-மதிப்பு முக்கியத்துவ அளவை விட பெரியது, இருபுறமும் , உங்கள் மாதிரியில் பூஜ்ஜியமற்ற தொடர்பு இருப்பதை நிறுவுவதற்கு போதிய ஆதாரம் இல்லை என்று பரிந்துரைக்கிறது.

ஏனென்றால் அவற்றின் p-மதிப்புகள் ( 5.787E-06 , 1.3E-06<9 ) குறைவாகும் குறிப்பிடத்தக்க மதிப்பை விட ( 5.787E-06 ), சுதந்திர மாறி (X) மற்றும் இன்டெர்செப்ட் புள்ளியியல் முக்கியத்துவம் வாய்ந்தவை , பின்னடைவு வெளியீட்டு எடுத்துக்காட்டில் காணப்பட்டது.

4. R-Squared மதிப்புகள்

நேரியல் பின்னடைவு மாதிரிகளுக்கு, R-squared என்பது முழுமை அளவீடு ஆகும். இந்த விகிதம் சார்பு மாறியில் மாறுபாட்டின் சதவீதம் ஐக் காட்டுகிறது, அவை ஒன்றாக எடுத்துக் கொள்ளும்போது சுயாதீன காரணிகள் கணக்கில் எடுத்துக்கொள்ளப்படும். எளிமையான 0–100 சதவீத அளவில், R-squared என்பது உங்கள் மாதிரிக்கும் சார்பு மாறிக்கும் இடையே உள்ள இணைப்பின் வலிமை ஐக் கணக்கிடுகிறது.

R2 மதிப்பு என்பது பின்னடைவு மாதிரி உங்கள் தரவுக்கு எவ்வளவு பொருந்துகிறது என்பதற்கான அளவீடு ஆகும். அதிக எண் , சிறந்த சாத்தியமான மாதிரி.

முடிவு

இந்தக் கட்டுரை உங்களுக்கு வழங்கியிருக்கும் என நம்புகிறேன். எக்செல் இல் பின்னடைவின் நிலையான பிழையை எவ்வாறு கணக்கிடுவது என்பது பற்றிய பயிற்சி. இந்த நடைமுறைகள் அனைத்தும் கற்று உங்கள் தரவுத்தொகுப்பில் பயன்படுத்தப்பட வேண்டும். பயிற்சிப் புத்தகத்தைப் பார்த்து, இந்தத் திறன்களை சோதிக்கவும். உங்களின் மதிப்புமிக்க ஆதரவின் காரணமாக இது போன்ற பயிற்சிகளைத் தொடர்ந்து உருவாக்க உந்துதல் பெற்றுள்ளோம்.

உங்களுக்கு ஏதேனும் கேள்விகள் இருந்தால் எங்களைத் தொடர்பு கொள்ளவும். மேலும், கீழே உள்ள பிரிவில் கருத்துகளைத் தெரிவிக்க தயங்க வேண்டாம்.

நாங்கள், எக்ஸெல்டெமி குழு, உங்கள் கேள்விகளுக்கு எப்போதும் பதிலளிப்போம்.

எங்களுடன் இருங்கள் மற்றும் தொடர்ந்து கற்றுக் கொள்ளுங்கள்.