ہم رجعت تجزیہ استعمال کرتے ہیں جب ہمارے پاس دو مختلف ذرائع سے دو متغیرات کا ڈیٹا ہوتا ہے اور ان کے درمیان تعلق بنانا چاہتے ہیں۔ رجسٹریشن تجزیہ ہمیں ایک لکیری ماڈل فراہم کرتا ہے جو ہمیں ممکنہ نتائج کی پیشین گوئی کرنے کی اجازت دیتا ہے۔ واضح وجوہات کی بنا پر پیش گوئی کی گئی اور حقیقی اقدار کے درمیان کچھ فرق ہو گا۔ نتیجے کے طور پر، ہم ریگریشن ماڈل کا استعمال کرتے ہوئے معیاری غلطی کا حساب لگاتے ہیں، جو کہ پیشین گوئی اور حقیقی اقدار کے درمیان اوسط غلطی ہے۔ اس ٹیوٹوریل میں، ہم آپ کو دکھائیں گے کہ کس طرح Excel میں ریگریشن تجزیہ کی معیاری غلطی کا حساب لگانا ہے۔

پریکٹس ورک بک ڈاؤن لوڈ کریں

اس پریکٹس ورک بک کو ڈاؤن لوڈ کریں جب آپ ورزش کریں اس مضمون کو پڑھنا۔

ایکسل میں ریگریشن کی معیاری خرابی کا حساب لگانے کے 4 آسان اقدامات

فرض کریں کہ آپ کے پاس ہے ایک ڈیٹا سیٹ جس میں ایک آزاد متغیر ( X ) اور ایک انحصار متغیر ( Y ) ۔ جیسا کہ آپ دیکھ سکتے ہیں، ان کا کوئی اہم رشتہ نہیں ہے۔ لیکن ہم ایک بنانا چاہتے ہیں۔ نتیجے کے طور پر، ہم دونوں کے درمیان ایک لکیری تعلق پیدا کرنے کے لیے رجسٹریشن تجزیہ استعمال کریں گے۔ ہم رجعت تجزیہ کا استعمال کرتے ہوئے دو متغیرات کے درمیان معیاری غلطی کا حساب لگائیں گے۔ ہم مضمون کے دوسرے نصف حصے میں ریگریشن ماڈل کے کچھ پیرامیٹرز پر جائیں گے تاکہ آپ کو اس کی تشریح کرنے میں مدد ملے۔

مرحلہ 1: ڈیٹا تجزیہ کمانڈ کو لاگو کریںریگریشن ماڈل بنائیں

• سب سے پہلے، ڈیٹا ٹیب پر جائیں اور ڈیٹا تجزیہ پر کلک کریں۔ کمانڈ

• ڈیٹا تجزیہ فہرست باکس سے، کو منتخب کریں۔ ریگریشن آپشن۔
• پھر، ٹھیک ہے پر کلک کریں۔

مرحلہ 2: ریگریشن باکس میں ان پٹ اور آؤٹ پٹ رینج داخل کریں

• ان پٹ Y رینج کے لیے، رینج منتخب کریں C4:C13 ہیڈر کے ساتھ۔
• لیبلز چیک باکس پر کلک کریں۔

• رینج منتخب کریں B4:B13 ان پٹ X رینج کے لیے۔

• ترجیحی مقام پر نتیجہ حاصل کرنے کے لیے، آؤٹ پٹ رینج کے لیے کوئی بھی سیل ( B16 ) منتخب کریں۔ ۔
• آخر میں، ٹھیک ہے پر کلک کریں۔

مزید پڑھیں: ایکسل میں تناسب کی معیاری خرابی کا حساب کیسے لگائیں (آسان اقدامات کے ساتھ)

مرحلہ 3: معیاری خرابی تلاش کریں

• سے رجعت تجزیہ، آپ کی قدر حاصل کر سکتے ہیں معیاری خرابی ( 3156471 )۔

مزید پڑھیں: کیسے ایکسل میں بقایا معیاری خامی تلاش کرنے کے لیے (2 آسان طریقے)

مرحلہ 4: پلاٹ ریگریشن ماڈل چارٹ

• سب سے پہلے، داخل کریں<پر کلک کریں۔ 9> ٹیب۔
• چارٹس گروپ سے، سکیٹر چارٹ کو منتخب کریں۔

• دائیں کلک کریں میں سے کسی ایک پرپوائنٹس۔
• اختیارات میں سے، ٹرینڈ لائن شامل کریں آپشن کو منتخب کریں۔

• اس لیے، آپ کا<1 ریگریشن تجزیہ چارٹ کو نیچے دی گئی تصویر کی طرح پلاٹ کیا جائے گا۔

25>

• دکھانے کے لیے 8> ریگریشن تجزیہ مساوات، فارمیٹ ٹرینڈ لائن سے چارٹ پر مساوات ڈسپلے کریں آپشن پر کلک کریں۔

• نتیجے کے طور پر، ریگریشن تجزیہ کی مساوات ( y = 1.0844x + 107.21 ) چارٹ میں ظاہر ہوگا۔

نوٹس:

آپ پیش گوئی شدہ اقدار اور اصل کے درمیان فرق کا حساب لگا سکتے ہیں۔ رجعت تجزیہ کی مساوات سے قدریں =1.0844*B5 + 107.21

• لہذا، آپ کو پہلی پیشن گوئی کی قیمت ملے گی ( 129.9824 )، جو اصل قدر سے مختلف ہے ( 133 )۔

• استعمال کریں <1 آٹو فل ٹول کالم کو آٹو فل کرنے کے لیے D ۔

• خرابی کا حساب لگانے کے لیے درج ذیل فارمولے کو ٹائپ کریں گھٹائیں. 9> خرابی کی قدروں کو تلاش کرنے کے لیے۔

مزید پڑھیں: ریگریشن ڈھلوان کی معیاری خرابی کا حساب کیسے لگائیں ایکسل

ایکسل میں رجعت تجزیہ کی تشریح

1۔ معیاری خرابی

ہم ریگریشن تجزیہ مساوات سے دیکھ سکتے ہیں کہ پیش گوئی اور حقیقی قدروں کے درمیان ہمیشہ فرق یا غلطی ہوتی ہے۔ نتیجے کے طور پر، ہمیں فرق کے اوسط انحراف کا حساب لگانا چاہیے۔

A معیاری غلطی پیش گوئی کی گئی قدر اور اصل قدر کے درمیان اوسط غلطی کی نمائندگی کرتی ہے۔ ہم نے اپنے مثال کے ریگریشن ماڈل میں معیاری خرابی کے بطور 8.3156471 کو دریافت کیا۔ اس سے ظاہر ہوتا ہے کہ پیش گوئی کی گئی اور حقیقی قدروں کے درمیان فرق ہے، جو کہ معیاری خرابی ( 15.7464 ) سے زیادہ یا سے کم ہوسکتی ہے۔ معیاری خرابی ( 4.0048 )۔ تاہم، ہماری اوسط خرابی ہوگی 8.3156471 ، جو کہ معیاری خرابی ہے ۔

نتیجے کے طور پر، ماڈل کا مقصد معیاری غلطی کو کم کرنا ہے۔ کم معیاری خرابی، زیادہ درست ماڈل۔

2. گتانک

ریگریشن گتانک کا اندازہ کرتا ہے نامعلوم اقدار کے جوابات۔ ریگریشن مساوات میں ( y = 1.0844x + 107.21 )، 1.0844 گتانک ہے ، x پیشین گوئی کرنے والا آزاد متغیر ہے، 107.21 مستقل ہے، اور y <9 x کے لیے جوابی قدر ہے۔

• A مثبت عدد پیش گوئی کرتا ہے کہ گتانک جتنا زیادہ ہوگا، جواب اتنا ہی زیادہ ہوگا۔متغیر یہ ایک متناسب تعلق کی نشاندہی کرتا ہے۔
• A منفی گتانک پیش گوئی کرتا ہے کہ گتانک جتنا زیادہ ہوگا، ردعمل کی قدریں اتنی ہی کم ہوں گی۔ یہ غیر متناسب تعلق کی نشاندہی کرتا ہے۔

3. P-Values ​​

رجعت تجزیہ میں، p- اقدار اور قابلیت آپ کو یہ بتانے کے لیے تعاون کرتے ہیں کہ آیا آپ کے ماڈل میں ارتباط اعدادوشمار کے لحاظ سے متعلقہ ہیں اور وہ تعلقات کس طرح کے ہیں۔ نال مفروضہ کہ آزاد متغیر کا منحصر متغیر کے ساتھ کوئی تعلق نہیں ہے ہر آزاد متغیر کے لیے p-value کا استعمال کرتے ہوئے جانچا جاتا ہے۔ آزاد متغیر میں تبدیلیوں اور انحصار متغیر میں تغیرات کے درمیان کوئی ربط نہیں ہے اگر کوئی تعلق نہیں ہے۔

• آپ کا نمونہ ڈیٹا جھوٹا کے لیے کالعدم مفروضے کو کافی مدد فراہم کرتا ہے۔ پوری آبادی اگر متغیر کے لیے p-value آپ کی اہمیت کی حد سے کم ہے۔ آپ کا ثبوت غیر صفر ارتباط کے تصور کی تائید کرتا ہے۔ آبادی کی سطح پر، آزاد متغیر میں تبدیلیاں منحصر متغیر کی تبدیلیوں سے منسلک ہوتی ہیں۔
• A p-value بڑا اہمیت کی سطح سے، دونوں طرف ، تجویز کرتا ہے کہ آپ کے نمونے میں ناکافی ثبوت یہ ثابت کرنے کے لیے ہے کہ غیر صفر ارتباط موجود ہے۔

کیونکہ ان کی p-values ( 5.787E-06 , 1.3E-06<9 ) کم ہیں۔ اہم قدر سے ( 5.787E-06 )، آزاد متغیر (X) اور Intercept اعداد و شمار کے لحاظ سے اہم ہیں، جیسا کہ ریگریشن آؤٹ پٹ مثال میں دیکھا گیا ہے۔

4. R-Squared Values ​​

لکیری ریگریشن ماڈلز کے لیے، R-squared ایک مکملیت کی پیمائش ہے۔ یہ تناسب منحصر متغیر میں تغیر کا فیصد ظاہر کرتا ہے جس کو ایک ساتھ لینے پر آزاد عوامل کا حساب ہوتا ہے۔ ایک آسان 0–100 فیصد پیمانے پر، R-squared آپ کے ماڈل اور منحصر متغیر کے درمیان تعلق کی طاقت کو مقدار بتاتا ہے۔

R2 ویلیو اس بات کا پیمانہ ہے کہ ریگریشن ماڈل آپ کے ڈیٹا پر کس حد تک فٹ بیٹھتا ہے۔ زیادہ نمبر ، بہتر ممکنہ ماڈل۔

نتیجہ

مجھے امید ہے کہ اس مضمون نے آپ کو ایک Excel میں ریگریشن کی معیاری غلطی کا حساب لگانے کے بارے میں سبق۔ ان تمام طریقہ کار کو سیکھا جانا چاہیے اور آپ کے ڈیٹاسیٹ پر لاگو کیا جانا چاہیے۔ پریکٹس ورک بک پر ایک نظر ڈالیں اور ان مہارتوں کو پرکھیں۔ آپ کے قابل قدر تعاون کی وجہ سے ہم اس طرح کے ٹیوٹوریل بنانے کے لیے حوصلہ افزائی کرتے ہیں۔

اگر آپ کے کوئی سوالات ہیں تو براہ کرم ہم سے رابطہ کریں۔ اس کے علاوہ، ذیل کے سیکشن میں بلا جھجھک تبصرے چھوڑیں۔

ہم، Exceldemy ٹیم، ہمیشہ آپ کے سوالات کا جواب دیتے ہیں۔

ہمارے ساتھ رہیں اور سیکھتے رہیں۔