విషయ సూచిక
మీరు ఎక్సెల్‌లో P-విలువ లేదా లీనియర్ రిగ్రెషన్‌లో సంభావ్యత విలువను లెక్కించడానికి మార్గాల కోసం చూస్తున్నట్లయితే, మీరు సరైన స్థానంలో ఉన్నారు. P-విలువ ఊహాత్మక పరీక్షల ఫలితాల సంభావ్యతను నిర్ణయించడానికి ఉపయోగించబడుతుంది. మేము 2 పరికల్పనల ఆధారంగా ఫలితాలను విశ్లేషించవచ్చు; శూన్య పరికల్పన మరియు ప్రత్యామ్నాయ పరికల్పన . P-value ని ఉపయోగించి మేము ఫలితం శూన్య పరికల్పనకు లేదా ప్రత్యామ్నాయ పరికల్పనకు మద్దతిస్తుందో లేదో నిర్ణయించగలము.
కాబట్టి, ప్రధాన కథనంతో ప్రారంభిద్దాం.
వర్క్‌బుక్‌ని డౌన్‌లోడ్ చేయండి
P value.xlsx
Excelలో లీనియర్ రిగ్రెషన్‌లో P విలువను గణించడానికి 3 మార్గాలు
ఇక్కడ, మేము కొన్ని అంచనా వేసిన విక్రయాల విలువలను కలిగి ఉన్నాము మరియు కంపెనీ యొక్క కొన్ని ఉత్పత్తుల యొక్క వాస్తవ విక్రయ విలువలు. మేము ఈ విక్రయాల విలువలను సరిపోల్చండి మరియు సంభావ్యత విలువను నిర్ణయిస్తాము మరియు P శూన్య పరికల్పనకు లేదా ప్రత్యామ్నాయ పరికల్పనకు మద్దతు ఇస్తుందో లేదో నిర్ణయిస్తాము. శూన్య పరికల్పన రెండు రకాల అమ్మకాల విలువల మధ్య తేడా లేదని గణిస్తుంది మరియు ప్రత్యామ్నాయ పరికల్పన ఈ రెండు సెట్ల విలువల మధ్య తేడాలను పరిశీలిస్తుంది.
మేము ఉపయోగించాము. మైక్రోసాఫ్ట్ ఆఫీస్ 365 వెర్షన్ ఇక్కడ, మీరు మీ సౌలభ్యం ప్రకారం ఏవైనా ఇతర వెర్షన్‌లను ఉపయోగించవచ్చు.
విధానం-1: P విలువను లెక్కించడానికి 't-Test Analysis Tool'ని ఉపయోగించడం
ఇక్కడ, P-విలువను నిర్ణయించడానికి మేము t-Test విశ్లేషణ సాధనాన్ని కలిగి ఉన్న విశ్లేషణ టూల్‌పాక్‌ని ఉపయోగిస్తాము ఈ రెండు సెట్ల విక్రయాల డేటా కోసం.
దశలు :
మీరు డేటా విశ్లేషణ సాధనాన్ని సక్రియం చేయకుంటే ఆపై మొదట ఈ టూల్‌ప్యాక్‌ని ప్రారంభించండి.
➤ ఫైల్ ట్యాబ్‌పై క్లిక్ చేయండి.
➤ ఎంపికలు<2 ఎంచుకోండి>.
ఆ తర్వాత, Excel Options డైలాగ్ బాక్స్ కనిపిస్తుంది.
➤ Add-ins <ని ఎంచుకోండి 2>ఎడమ ప్యానెల్‌లో ఎంపిక.
➤ మేనేజ్ బాక్స్‌లో Excel యాడ్-ఇన్‌లు ఎంపికను ఎంచుకుని, ఆపై ని నొక్కండి వెళ్ళండి .
తర్వాత, యాడ్-ఇన్‌లు డైలాగ్ బాక్స్ పాపప్ అవుతుంది.
➤ ని చెక్ చేయండి Analysis ToolPak ఎంపిక మరియు OK నొక్కండి.
➤ ఇప్పుడు, డేటా Tab >><కి వెళ్లండి 1>విశ్లేషణ గ్రూప్ >> డేటా విశ్లేషణ ఎంపిక.
అప్పుడు, డేటా అనాలిసిస్ విజార్డ్ కనిపిస్తుంది .
➤ t-Test: విశ్లేషణ సాధనాలు యొక్క విభిన్న ఎంపికల నుండి మీన్స్ కోసం జత చేసిన రెండు నమూనా ఎంపికను ఎంచుకోండి.
ఆ తర్వాత, t-Test: మీన్స్ కోసం జత చేసిన రెండు నమూనా డైలాగ్ బాక్స్ తెరవబడుతుంది.
➤ ఇలా ఇన్‌పుట్ మేము రెండు వేరియబుల్ పరిధులను అందించాలి; $C$4:$C$11 వేరియబుల్ 1 రేంజ్ మరియు $D$4:$D$11 వేరియబుల్ 2 రేంజ్ కోసం, అవుట్‌పుట్ పరిధి మేము $E$4 ని ఎంచుకున్నాము.
➤ మీరు ఆల్ఫా ని నుండి మార్చవచ్చు 0.05 (స్వయంచాలకంగా రూపొందించబడింది) నుండి 0.01 వరకు ఈ స్థిరాంకం యొక్క నిర్దేశిత విలువ సాధారణంగా 0.05 లేదా 0.01 .
➤చివరగా, OK ని నొక్కండి.
ఆ తర్వాత, మీరు రెండు సందర్భాలలో P-value ని పొందుతారు; ఒక-తోక విలువ 0.00059568 మరియు రెండు-తోక విలువ 0.0011913 . మనం ఒక-తోక P-విలువ రెండు-తోక P-విలువ కి సగం రెట్లు ఉంటుంది. ఎందుకంటే రెండు-తోక P-విలువ మార్కుల పెరుగుదల మరియు తగ్గుదల రెండింటినీ పరిగణిస్తుంది, అయితే ఒక-తోక P-విలువ ఈ సందర్భాలలో ఒకదానిని మాత్రమే పరిగణిస్తుంది.
అంతేకాకుండా, 0.05 ఆల్ఫా విలువ కోసం మనం P విలువలను 0.05 కంటే తక్కువ పొందుతున్నామని, అంటే ఇది శూన్య పరికల్పనను విస్మరిస్తుంది మరియు కాబట్టి డేటా చాలా ముఖ్యమైనది.
మరింత చదవండి: Excelలో లీనియర్ రిగ్రెషన్ ఫలితాలను ఎలా అర్థం చేసుకోవాలి (సులభమైన దశలతో)
విధానం-2: Excelలో లీనియర్ రిగ్రెషన్‌లో P విలువను లెక్కించడానికి T.TEST ఫంక్షన్‌ని ఉపయోగించడం
ఈ విభాగంలో, మేము T.TEST ఫంక్షన్‌ని ఉపయోగిస్తాము P విలువలు 1 మరియు 2 .
దశలు :
మేము P-విలువ 1 <ని నిర్ణయించడం ద్వారా ప్రారంభిస్తాము 2> లేదా ఒక దిశలో :D11,1,1)
ఇక్కడ, C4:C11 అంచనా విక్రయాల పరిధి , D4:D11 అనేది వాస్తవ విక్రయాల పరిధి , 1 ఇది టెయిల్ విలువ మరియు చివరిది 1 పెయిర్డ్ కోసం రకం.
ENTER నొక్కిన తర్వాత, మేము P-విలువ 0.00059568 ని పొందుతున్నాము. తోక కోసం 1 .
➤ గుర్తించడానికి సెల్ F6 లో కింది సూత్రాన్ని వర్తింపజేయండి P-విలువ తోక 2 లేదా రెండు దిశలలో.
=T.TEST(C4:C11,D4:D11,2,1) ఇక్కడ, C4: C11 అనేది అంచనా వేసిన అమ్మకాల శ్రేణి , D4:D11 వాస్తవ విక్రయాల పరిధి , 2 తోక విలువ మరియు చివరి 1 జత రకం.
3>
మరింత చదవండి: Excel డేటా సెట్‌లపై బహుళ లీనియర్ రిగ్రెషన్ (2 పద్ధతులు)
విధానం-3: CORREL, T.DIST.2T ఫంక్షన్‌లను ఉపయోగించడం లీనియర్ రిగ్రెషన్‌లో P విలువను లెక్కించేందుకు
మేము CORREL , T.DIST.2T ని ఉపయోగించి సహసంబంధం కోసం P-విలువ ని నిర్ణయిస్తాము విధులు.
దీన్ని చేయడానికి మేము హెడర్‌లతో కొన్ని నిలువు వరుసలను సృష్టించాము మొత్తం అంశం , కోరెల్. కారకం , t విలువ మరియు P విలువ మరియు మేము మొత్తం అంశాల విలువను కూడా నమోదు చేసాము, అది 8 .
దశలు :
➤ ముందుగా, మేము క్రింది సూత్రాన్ని నమోదు చేయడం ద్వారా Correl.Factor ని నిర్ణయిస్తాము. సెల్ C14 .
=CORREL(C4:C11,D4:D11) ఇక్కడ, C4:C11 పరిధి అంచనా వేయబడిన విక్రయాలు , మరియు D4:D11 వాస్తవ విక్రయాలు .
➤ t విలువ ని నిర్ణయించడానికి సెల్‌లో కింది ఫార్ములాను టైప్ చేయండి D14 .
=(C14*SQRT(B14-2))/SQRT(1-C14*C14) ఇక్కడ, C14 సహసంబంధ కారకం మరియు B14 మొత్తం ఉత్పత్తుల సంఖ్య.
- SQRT(B14-2) అవుతుంది
SQRT(8-2) → SQRT(6 ) 6 వర్గమూలాన్ని ఇస్తుంది.
అవుట్‌పుట్ → 2.4494897
- C14*SQRT(B14-2) అవుతుంది
0.452421561*2.4494897
అవుట్‌పుట్ → 1.10820197
- 1-C14*C14 అవుతుంది
1-0.452421561*0.452421561
అవుట్‌పుట్ → 0.79531473
- SQRT(1-C14*C14) అవుతుంది
SQRT(0.79531473) → 0.79531473<2 యొక్క వర్గమూలాన్ని అందిస్తుంది>.
అవుట్‌పుట్ → 0.891804199
- (C14*SQRT(B14-2))/SQRT(1-C14*C14) అవుతుంది
(1.10820197)/0.891804199
అవుట్‌పుట్ → 1.242651665
➤ చివరగా, కింది ఫంక్షన్‌ని ఉపయోగించడం ద్వారా సహసంబంధం కోసం P-విలువ ని నిర్ణయిస్తాము.
=T.DIST.2T(D14,B14-2) ఇక్కడ, D14 అనేది t విలువ , B14-2 లేదా 8-2 లేదా 6 స్వేచ్ఛ యొక్క డిగ్రీ మరియు T.DIST.2T రెండు కొనల పంపిణీతో సహసంబంధం కోసం P-విలువ ని అందిస్తుంది.
మరింత చదవండి: Excelలో మల్టిపుల్ రిగ్రెషన్ అనాలిసిస్ ఎలా చేయాలి (సులభమైన దశలతో)
గుర్తుంచుకోవలసిన విషయాలు
⦿ సాధారణంగా, మేము రెండు సాధారణ ని ఉపయోగిస్తాము ఆల్ఫా విలువలు; 0.05 మరియు 0.01 .
⦿ రెండు పరికల్పనలు ఉన్నాయి, శూన్య పరికల్పన మరియు ప్రత్యామ్నాయ పరికల్పన,శూన్య పరికల్పన రెండు సెట్ల డేటా మధ్య తేడాను పరిగణించదు మరియు మరొకటి రెండు సెట్ల డేటా మధ్య వ్యత్యాసాన్ని పరిగణనలోకి తీసుకుంటుంది.
⦿ P-విలువ కంటే తక్కువగా ఉన్నప్పుడు 0.05 ఇది శూన్య పరికల్పనను తిరస్కరిస్తుంది మరియు 0.05 కంటే ఎక్కువ విలువలకు ఇది శూన్య పరికల్పనకు మద్దతు ఇస్తుంది. P-విలువ ని అంచనా వేయడం ద్వారా మేము ఈ క్రింది నిర్ధారణలకు రావచ్చు.
P<0.05 → అత్యంత ముఖ్యమైన డేటాP =0.05 → ముఖ్యమైన డేటా
P=0.05-0.1 → తక్కువ ముఖ్యమైన డేటా
P>0.1 → తక్కువ డేటా
ప్రాక్టీస్ సెక్షన్
మీ స్వంతంగా ప్రాక్టీస్ చేయడం కోసం మేము అభ్యాసం అనే షీట్‌లో దిగువన ఉన్న ప్రాక్టీస్ విభాగాన్ని అందించాము. దయచేసి దీన్ని మీరే చేయండి.
ముగింపు
ఈ కథనంలో, P-విలువ లో లెక్కించే మార్గాలను కవర్ చేయడానికి మేము ప్రయత్నించాము. Excelలో లీనియర్ రిగ్రెషన్. మీకు ఉపయోగకరంగా ఉంటుందని ఆశిస్తున్నాను. మీకు ఏవైనా సూచనలు లేదా ప్రశ్నలు ఉంటే, వాటిని వ్యాఖ్య విభాగంలో భాగస్వామ్యం చేయడానికి సంకోచించకండి.
