رجسٹریشن تجزیہ تقریباً ہر قسم کے شماریاتی سافٹ ویئر میں ہوتا ہے جیسے SPSS , R, اور Excel کا ذکر نہیں کرنا۔ رجعت ہمیں متغیر کے درمیان تعلقات کے بارے میں بڑی تصویر دے سکتی ہے۔ ڈیٹا تجزیہ ٹول کا استعمال کرتے ہوئے ایکسل میں لکیری رجعت بہت تیزی سے کی جا سکتی ہے۔ یہ مضمون دکھائے گا کہ آپ کیسے ایکسل میں رجعت کے نتائج کی تشریح کر سکتے ہیں۔

پریکٹس ورک بک ڈاؤن لوڈ کریں

نیچے اس پریکٹس ورک بک کو ڈاؤن لوڈ کریں۔

رجعت کیا ہے؟

ریگریشن تجزیہ اکثر اعداد و شمار کے تجزیے میں متعدد متغیرات کے درمیان ایسوسی ایشن کا تعین کرنے کے لیے استعمال کیا جاتا ہے۔ رجعت کا تجزیہ آپ کو یہ منتخب کرنے کی اجازت دیتا ہے کہ انحصار متغیر کے ساتھ کیا ہوتا ہے اگر آزاد متغیرات میں سے کوئی ایک بدل جاتا ہے۔ یہ آپ کو ریاضیاتی طور پر یہ معلوم کرنے دیتا ہے کہ کون سے آزاد متغیرات کا اثر ہے۔

سادہ لکیری رجعت اعدادوشمار میں متعدد لکیری رجعت سے مختلف ہے۔ لکیری فنکشن کا استعمال کرتے ہوئے، سادہ لکیری ریگریشن تجزیہ کرتا ہے متغیرات اور ایک آزاد متغیر کے درمیان تعلق۔ متعدد لکیری رجعت وہ ہے جب متغیرات کا تعین کرنے کے لیے دو یا زیادہ وضاحتی عوامل استعمال کیے جائیں۔ انحصار متغیر کی بجائے نان لائنر ریگریشن کا استعمال نان لائنر فنکشن کے طور پر بیان کیا جاتا ہے کیونکہ ڈیٹا کے تعلقات لکیری نہیں ہوتے ہیں۔ یہ مضمون متعدد لکیری پر توجہ مرکوز کرے گا۔ریگریشن یہ ظاہر کرنے کے لیے کہ آپ کس طرح Excel میں رجعت کے نتائج کی تشریح کر سکتے ہیں۔

ایکسل میں رجعت کرنے کے اقدامات

رجعت کے مقاصد کے لیے، ہم ذیل کے ڈیٹاسیٹ کا استعمال کریں گے تجزیہ کے مقاصد یہاں آزاد متغیر قیمت کالم اور فروخت کالم ہوگا۔ آزاد کالم ڈیمانڈ کالم ہوگا۔

اقدامات

• ہمیں ڈیٹا ٹیب پر جانا ہوگا اور ریگریشن کرنے کے لیے ڈیٹا تجزیہ پر کلک کرنا ہوگا ۔

• ایک نئی ونڈو ہوگی۔ منحصر متغیر اور آزاد متغیر ڈیٹا رینج کو منتخب کریں۔
• پھر لیبلز باکس اور اعتماد باکس پر نشان لگائیں۔
• پھر آؤٹ پٹ سیل رینج پر کلک کریں۔ آؤٹ پٹ سیل ایڈریس کو منتخب کرنے کے لیے باکس
• اس کے بعد، باقیات کا حساب لگانے کے لیے بقیہ پر نشان لگائیں۔
• اس کے بعد، بقیہ پلاٹ پر نشان لگائیں اور لائن فٹ پلاٹ باکسز
• اس کے بعد ٹھیک ہے پر کلک کریں۔

14>

• کلک کرنے کے بعد ٹھیک ہے، تجزیہ کے بنیادی آؤٹ پٹ پیرامیٹرز مخصوص سیلز پر ہوں گے۔

• پھر آپ کو کچھ پیرامیٹرز بھی ملیں گے۔ جیسا کہ ANOVA ( تغیر کا تجزیہ ) ٹیبل میں اہمیت قدر وغیرہ۔
• یہاں، df کی نشاندہی کرتا ہے۔ تغیر کے ماخذ سے متعلق آزادی کی ڈگری۔
• SS مربعوں کے مجموعہ کو ظاہر کرتا ہے۔ آپ کا ماڈل ڈیٹا کی بہتر عکاسی کرے گا اگر بقیہ SS کل SS سے چھوٹا ہے۔
• MS کا مطلب مربع ہے۔
• F کالعدم مفروضے کے لیے F -ٹیسٹ کی نشاندہی کرتا ہے۔
• اہمیت F F کی P -قدر کو ظاہر کرتا ہے۔
>>>>>

• پھر آپ کو عددی جدول کے نیچے ایک حتمی جدول ملے گا جس میں ہر اندراج کی بقایا قیمت ہوگی۔

• اس کے بعد، آپ کو ایک ٹرینڈ لائن کے ساتھ ڈیمانڈ بمقابلہ قیمت رجسٹریشن چارٹ ملے گا۔

• بعد اس سے، آپ کو ایک ٹرینڈ لائن کے ساتھ ڈیمانڈ بمقابلہ بیچنے والا ریگریشن چارٹ ملتا ہے۔ بیچنے والے متغیر سے ہر اندراج کی بقایا کی تقسیم کو ظاہر کرنے والا چارٹ۔

• ایک اور چارٹ ہے جو بقایا کی تقسیم کو ظاہر کرتا ہے۔ قیمت متغیر سے ہر اندراج۔

اس کے بعد، ہم آپ کو دکھائیں گے کہ آپ کیسے n ان رجعت کے نتائج کو Excel میں تشریح کریں۔

مزید پڑھیں: ایکسل میں لاجسٹک ریگریشن کیسے کریں (فوری اقدامات کے ساتھ)

تشریح کیسے کریں ایکسل میں رجعت کے نتائج

رجعت تجزیہ کرنے اور ان کی تشریح کرنے کے بعد اگلی چیز جو آپ کو کرنی ہے۔ نتائج ذیل میں بیان کیے گئے ہیں اور تفصیل سے بیان کیے گئے ہیں۔

متعدد R-Squared Regression Value Analysis

The1 ہم ایک سے زیادہ لکیری ریگریشن تجزیہ استعمال کرنے جا رہے ہیں، جس میں ہم اہم عنصر پر دو یا زیادہ متغیرات کے اثرات کا تعین کرنے جا رہے ہیں۔ اس سے مراد یہ ہے کہ کس طرح منحصر متغیر تبدیل ہوتا ہے جیسا کہ ایک آزاد متغیر میں تبدیلی آتی ہے۔ اس عدد کی حد -1 سے 1 تک ہے۔ یہاں،

• 1 کا مطلب قریبی مثبت رشتہ ہے
• 0 کا مطلب ہے کہ متغیرات کے درمیان کوئی رشتہ نہیں ہے۔ دوسرے لفظوں میں، ڈیٹا پوائنٹس بے ترتیب ہیں۔
• -1 کا مطلب متغیر کے درمیان الٹا یا منفی تعلق ہے۔

اوپر دکھائے گئے آؤٹ پٹ نتائج میں، دی گئی متعدد R- ویلیو ڈیٹا سیٹ o.7578( تقریبا ) ہے، جو متغیر کے درمیان مضبوط تعلقات کی نشاندہی کرتا ہے۔

R مربع

R مربع قدر بتاتی ہے کہ کس طرح منحصر متغیر کا ردعمل آزاد متغیر سے مختلف ہوتا ہے۔ ہمارے معاملے میں، قدر 0.574(تقریباً) ہے، جسے متغیر کے درمیان معقول حد تک ٹھیک تعلق کے طور پر سمجھا جا سکتا ہے۔

ایڈجسٹ شدہ R-Squared

یہ محض ہے R مربع قدر کا ایک متبادل ورژن۔ یہ صرف پیش گوئی کرنے والے متغیر کو بدل دیتا ہے جب کہ ردعمل متغیر کی پیشن گوئی کرتا ہے۔ اس کا حساب

R^2 = 1 – [(1-R^2)*(n-1)/(n-k-1)]

یہاں، R^2 : R^2 ویلیو جس سے ہمیں حاصل ہوئیڈیٹا سیٹ۔

n : مشاہدات کی تعداد۔

K : پیشین گوئی کرنے والے متغیرات کی تعداد۔

اہمیت دو پیش گوئی کرنے والے متغیرات کے درمیان رجعت تجزیہ کرتے وقت اس قدر پیدا ہوتی ہے۔ اگر ڈیٹاسیٹ میں ایک سے زیادہ پیش گوئی کرنے والا متغیر ہے، تو R مربع قدر کو فلایا جائے گا، جو کہ انتہائی ناپسندیدہ ہے۔ ایڈجسٹ شدہ R مربع قدر اس افراط زر کو ایڈجسٹ کرتی ہے اور متغیرات کی درست تصویر فراہم کرتی ہے۔

معیاری خرابی

ایک اور اچھائی کی فٹ میٹرک جو آپ کے رجعت کے تجزیے کی درستگی کی نشاندہی کرتا ہے۔ قدر جتنی کم ہوگی، آپ اپنے رجعت کے تجزیے میں اتنا ہی زیادہ یقینی ہوسکتے ہیں۔

معیاری خرابی ایک تجرباتی میٹرک ہے جو اوسط فاصلے کی نمائندگی کرتی ہے جس سے پوائنٹس ٹرینڈ لائن سے ہٹ جاتے ہیں۔ اس کے برعکس، R2 منحصر متغیر تغیر کے تناسب کی نمائندگی کرتا ہے۔ اس صورت میں، معیاری خرابی کی قدر 288.9 ( تقریباً ) ہے، جس سے ظاہر ہوتا ہے کہ ہمارے ڈیٹا پوائنٹس، اوسطاً، ٹرینڈ لائن سے 288.9 گر جاتے ہیں۔

مشاہدات

مشاہدات یا اندراجات کی تعداد کی نشاندہی کریں۔

اہم متغیر کا تعین کریں

دی اہم قدر ہمارے تجزیے کی قابل اعتمادی (اعداد و شمار کے لحاظ سے درست) کی نشاندہی کرتا ہے۔ دوسرے لفظوں میں، یہ ہمارے ڈیٹاسیٹ کے غلط ہونے کے امکان کو ظاہر کرتا ہے۔ یہ قدر 5% سے کم ہونی چاہیے۔ لیکن اس صورت میں، ہماری اہمیت ہے 0.00117،جس کا ترجمہ 0.1% ہے، جو کہ 5% سے بھی کم ہے۔ تو ہمارا تجزیہ ٹھیک ہے۔ بصورت دیگر، ہمیں اپنے تجزیے کے لیے مختلف متغیرات کا انتخاب کرنا پڑ سکتا ہے۔

رجعت تجزیہ میں P- قدر

ایک اہم قدر سے قریب سے جڑا ہوا، P- قدر گتانک قدر کے غلط ہونے کے امکان کو ظاہر کرتا ہے۔ P-value متغیر کے ساتھ null hypothesis کی وابستگی کو ظاہر کرتا ہے۔

اگر آپ کی p-value < اہمیت نمبر، صفر قدر کے مفروضے کو مسترد کرنے کے لیے کافی ثبوت موجود ہیں۔ اس کا مطلب ہے کہ متغیرات کے درمیان ایک غیر صفر ارتباط ہے۔

لیکن اگر p-value > اہمیت قدر، تو اس کو مسترد کرنے کے لیے ناکافی ثبوت ہوں گے۔ کالعدم مفروضہ اس سے ظاہر ہوتا ہے کہ متغیر کے درمیان کوئی تعلق نہیں ہو سکتا۔

یا صورت میں، متغیر کی P-value قیمت =0.000948 < 0.00117 (اہم قدر)،

لہذا یہاں کوئی کالعدم مفروضہ نہیں چل رہا ہے، اور متغیر کے درمیان ارتباط کا اعلان کرنے کے لیے کافی ثبوت موجود ہیں۔

دوسری طرف، متغیر کے لیے بیچ دیا گیا ، (P-value) 0.0038515 < 0.0011723 (اہم قدر)

لہٰذا یہاں پر ایک کالعدم مفروضہ ہو سکتا ہے، اور متغیر کے درمیان غیر صفر ارتباط کا اعلان کرنے کے لیے کافی ثبوت موجود نہیں ہیں۔

زیادہ تر معاملات میں، یہ P -value اس بات کا تعین کرتی ہے کہ آیا کوئی متغیر ڈیٹاسیٹ میں ہوگا یا نہیں۔ مثال کے طور پر، ہمیں Sold کو ہٹا دینا چاہیے۔ڈیٹا سیٹ کی مضبوطی کو برقرار رکھنے کے لیے متغیر۔

رجسٹریشن مساوات

جیسا کہ ہم ایکسل میں لکیری ریگریشن تجزیہ کا تعین کرتے ہیں، ٹرینڈ لائن بھی لکیری ہونی چاہیے۔ عمومی شکل یہ ہے:

Y=mX+C.

یہاں، Y منحصر متغیر ہے۔

اور X یہاں آزاد متغیر ہے، مطلب یہ ہے کہ ہم متغیر Y پر متغیر x کی تبدیلی کے اثر کا تعین کریں گے۔

C صرف Y-axis کے تقاطع کی قدر ہو گی۔ لائن۔

اس صورت میں، سی انٹرسیپٹ کی قدر 9502.109853 کے برابر ہے

اور دو متغیرات کے لیے m کی قدر -809.265 اور 0.424818 ہے۔

لہذا، ہمارے پاس دو الگ الگ متغیرات کے لیے حتمی مساوات ہے۔

پہلی ایک ہے:

اور دوسرے متغیر کی مساوات یہ ہے:

Coefficients

ہم نے حاصل کردہ گتانک ہیں m1=-809.2655 اور m2=04248 ۔ اور انٹرسیپٹر، C= 9502.12 ۔

• سب سے پہلے، انٹرسیپٹر کی قیمت بتاتی ہے کہ قیمت صفر ہونے پر ڈیمانڈ 9502 ہوگی۔
• اور کی قدریں m اس شرح کی نشاندہی کریں جس پر قیمت کی تبدیلی کی فی یونٹ مانگ میں تبدیلی آتی ہے۔ قیمت کے گتانک کی قدر -809.265 ہے، جس سے ظاہر ہوتا ہے کہ قیمت میں فی یونٹ اضافہ مانگ میں تقریباً 809 یونٹس کی کمی کر دے گا۔
• دوسرے متغیر کے لیے، فروخت کیا گیا، m کی قدر 0.424 ہے۔ اس سے ظاہر ہوتا ہے کہ فی یونٹ فروخت شدہ شے کی تبدیلیاس کے نتیجے میں پروڈکٹ میں 0424 بار یونٹ اضافہ ہوگا۔

بقیہ

T-Statistics Value

T-statics ویلیو معیاری قدر کے حساب سے گتانک کی تقسیم ہے۔ قدر جتنی زیادہ ہوگی، گتانک کی بہتر وشوسنییتا کی نشاندہی ہوتی ہے۔

اس قدر کی ایک اور اہمیت ہے، جس کی P- ویلیو کا حساب لگانے کے لیے ضروری ہے۔

95% اعتماد کا وقفہ

یہاں متغیر کا اعتماد ہم شروع میں 95 کے طور پر سیٹ کرتے ہیں۔ اگرچہ یہ تبدیل ہو سکتا ہے۔

• یہاں، نچلے 95% کی عددی قدر کو 8496.84 کے طور پر شمار کیا جاتا ہے یعنی اوپری 95% کو 10507.37 کے طور پر شمار کیا جاتا ہے،
• اس کا مطلب یہ ہے کہ جب ہماری بنیادی گتانک تقریباً 9502.1 ہے۔ اس بات کا زیادہ امکان ہے کہ قیمت 95% کیسز کے لیے 8496 سے نیچے ہو سکتی ہے اور اس کے 10507.37 سے زیادہ ہونے کا 5% امکان ہے

مزید پڑھیں:

یاد رکھنے کی چیزیں

✎ رجعت تجزیہ کا طریقہ مکمل طور پر امتحان کے تحت متغیرات کے درمیان تعلق کا اندازہ لگاتا ہے۔ یہ وجہ قائم نہیں کرتا ہے۔ دوسرے طریقوں سے، صرف پہلوارتباط کا خیال کرتا ہے۔ جب کوئی عمل کسی چیز کا سبب بنتا ہے تو وہ سبب بن جاتا ہے۔ جب ایک متغیر کی تبدیلی تبدیلیاں پیدا کرتی ہے، تو اسے وجہ سمجھا جا سکتا ہے۔

✎ رجعت کا تجزیہ آؤٹ لیرز کے ذریعہ بہت زیادہ رکاوٹ بنتا ہے۔ تجزیہ کرنے سے پہلے ہر قسم کے آؤٹ لیرز کو ہٹا دینا چاہیے۔ ایکسل میں رجعت کے تجزیہ کے نتائج کا تجزیہ اور تشریح کرنے کے لیے، آپ کو ان نکات پر غور کرنے کی ضرورت ہے۔

نتیجہ

اس کا خلاصہ یہ ہے کہ "ایکسل میں رجعت کے نتائج کی تشریح کیسے کی جائے" کے سوال کا تفصیلی جواب دیا گیا ہے۔ تجزیہ اور بعد میں اس کی تشریح۔ تجزیہ ڈیٹا ٹیب میں ڈیٹا تجزیہ ٹول کے ذریعے کیا جاتا ہے۔

اس مسئلے کے لیے، ایک ورک بک ڈاؤن لوڈ کے لیے دستیاب ہے جہاں آپ ریگریشن تجزیہ اور تشریح کی مشق کر سکتے ہیں۔ یہ۔

کمنٹ سیکشن کے ذریعے بلا جھجھک کوئی سوال یا رائے پوچھیں۔ Exceldemy کمیونٹی کی بہتری کے لیے کوئی بھی تجویز انتہائی قابل تعریف ہوگی۔