ఎలా ప్రదర్శించాలో నేర్చుకునే ముందు ఎక్సెల్ లో మల్టీవియారిట్ రిగ్రెషన్, మొత్తంగా రిగ్రెషన్‌పై రిఫ్రెషర్ కలిగి ఉండటం మరియు ముఖ్యంగా మల్టీవియారిట్ రిగ్రెషన్ కలిగి ఉండటం చాలా ముఖ్యం.
మానవ మేధస్సు యొక్క లక్షణాలలో ఒకటి మన చుట్టూ ఉన్న నమూనాలను గుర్తించగల సామర్థ్యం. రెండు లేదా అంతకంటే ఎక్కువ విషయాలు కనెక్ట్ అయినప్పుడు మరియు ఒక విషయం మరొకదానికి కారణం లేదా ప్రభావం ఉన్నప్పుడు అది మనలను గుర్తించేలా చేస్తుంది.
ఎక్సెల్ లో మల్టీవియారిట్ రిగ్రెషన్
ఉదాహరణకు, ప్రతి సంవత్సరం డేటాను సేకరించి, ఒక నిర్దిష్ట ప్రదేశంలో సగటు ఉష్ణోగ్రతలు మరియు సగటు వర్షపాతంపై డేటాను సేకరించాలని మీరు నిర్ణయించుకున్నారని చెప్పండి. అప్పుడు మీరు గ్రాఫ్ కాగితంపై ఉష్ణోగ్రత మరియు సగటు వర్షపాతం కోసం డేటాను ప్లాట్ చేస్తారు. మీరు x- అక్షంపై సగటు ఉష్ణోగ్రత గణాంకాలను మరియు y- అక్షంపై సగటు వర్షపాతం గణాంకాలను ప్లాట్ చేయవచ్చు. ఈ స్కాటర్ ప్లాట్‌లోని ప్రతి బిందువు కోఆర్డినేట్‌లను కలిగి ఉంటుంది: x- కోఆర్డినేట్ మరియు y- కోఆర్డినేట్. ఈ కోఆర్డినేట్‌లు దీన్ని గ్రాఫ్‌లో ప్రత్యేక ప్రదేశంలో కనుగొంటాయి.
మీరు చుక్కలను ప్లాట్ చేస్తున్నప్పుడు, మీరు ఒక నమూనా ఉద్భవించడాన్ని చూడటం ప్రారంభించవచ్చు. పెరుగుతున్న సగటు ఉష్ణోగ్రతలతో - మీరు పెరుగుదల కోసం డేటాను సేకరిస్తున్న ప్రదేశంలో సగటు వర్షపాతం అనిపిస్తుంది. మీరు సేకరిస్తున్న రెండు డేటా ముక్కలు సాంకేతికంగా పిలువబడతాయి వేరియబుల్స్. ఈ సందర్భంలో, సగటు ఉష్ణోగ్రత స్వతంత్ర వేరియబుల్ అయితే సగటు వర్షపాతం డిపెండెంట్ వేరియబుల్.
రెండు వేరియబుల్స్ అనుసంధానించబడి ఉన్నాయని మీరు గమనించినప్పుడు, అవి ఉన్నాయని మేము చెప్తాము పరస్పర సంబంధం. సహసంబంధం అనేక రూపాలను తీసుకోవచ్చు. ఒక వేరియబుల్ పైకి వెళితే, మరొకటి క్రిందికి వెళితే, అది ప్రతికూల సహసంబంధం. ఒక వేరియబుల్ మరొకదానితో సమానంగా ఉంటే, అది సానుకూల సహసంబంధం. వేరియబుల్స్లో స్పష్టమైన ధోరణి ఉన్నట్లు అనిపించకపోతే, పరస్పర సంబంధం లేదని మేము చెప్తాము.
డేటా మరియు సహసంబంధాలు
ఖచ్చితమైన సానుకూల సహసంబంధానికి విలువ ఇవ్వబడుతుంది +1 ఖచ్చితమైన ప్రతికూల సహసంబంధానికి విలువ ఇవ్వబడుతుంది -1. 0, ఇది ఈ రెండు విలువల మధ్యలో ఉంది, అస్సలు సంబంధం లేదు. అందువల్ల, డేటా ఆ పరిధిలో ఎక్కడైనా సహసంబంధ విలువను పొందవచ్చు. ఆ సహసంబంధం యొక్క ఖచ్చితమైన విలువను సహసంబంధ గుణకం అని పిలుస్తారు, ఇది మీ ఎక్సెల్ ఫంక్షన్ల జాబితాలో ఉన్న ప్రత్యేక గణాంక సూత్రాన్ని ఉపయోగించి లెక్కించబడుతుంది.
గణాంకవేత్తలు సహసంబంధం మరియు కారణాల మధ్య తేడాను గుర్తించాలనుకుంటున్నారు. రెండు విషయాలు పరస్పర సంబంధం కలిగి ఉన్నందున అవి కారణ సంబంధాన్ని కలిగి ఉన్నాయని కాదు. పై మా ఉదాహరణలో, సగటు ఉష్ణోగ్రత పెరుగుదల సగటు వర్షపాతం పెరుగుదలకు అనుగుణంగా ఉంటుంది అంటే ఒకటి మరొకదానికి కారణమవుతుందని కాదు. మూడవ దాచిన కారకం రెండింటికి కారణమవుతుంది.
ఈ సందర్భంలో, తేమ పెరుగుదల గ్రహించిన ఉష్ణోగ్రత మరియు వర్షపాతం రెండింటిలో పెరుగుదలకు దారితీస్తుందని వాతావరణ శాస్త్రవేత్తలలో అందరికీ తెలుసు. అందుకే వ్యత్యాసాన్ని అర్థం చేసుకోవడం ముఖ్యం. మ్యాపింగ్ సహసంబంధాలు నమూనాలు ఎక్కడ ఉన్నాయో మీకు చూపుతాయి; దాని క్లుప్తిని మించిపోవడానికి కారణాలు ఏమిటో ఇది మీకు చూపుతుందని చెప్పడం.
స్కాటర్ ప్లాట్‌ను కలిగి ఉండటం గురించి మీరు సంతోషంగా ఉండకపోవచ్చు. సంబంధం ఎలా ఉందో చూపించే డేటా ద్వారా ఒక పంక్తిని కలిగి ఉండటం అర్థం చేసుకోవడం సులభం అవుతుంది. మీరు వెతుకుతున్నది రిగ్రెషన్ లైన్ లేదా మీ ముందు ఉన్న డేటాకు బాగా సరిపోయే లైన్. రిగ్రెషన్ సూత్రాన్ని ఉపయోగించడం ఇందులో రిగ్రెషన్ యొక్క ఉత్తమ రేఖను కనుగొనడానికి సహసంబంధ గుణకాన్ని ఉపయోగిస్తుంది.
సింగిల్ మరియు మల్టీ వేరియబుల్స్
సరదా అక్కడ ముగియదు. పై సూత్రాలు ఒకే స్వతంత్ర వేరియబుల్ మరియు ఒకే ఆధారిత వేరియబుల్ కోసం. అయితే, మేము పైన చర్చించినట్లుగా, కొన్నిసార్లు సమీకరణంలో ఒకటి కంటే ఎక్కువ స్వతంత్ర వేరియబుల్ ఉండవచ్చు.
ఉదాహరణకు, సగటు వర్షపాతానికి వ్యతిరేకంగా సగటు ఉష్ణోగ్రతను ప్లాట్ చేయడం పూర్తి చిత్రాన్ని ఇవ్వదని మేము ఎత్తి చూపాము. సగటు తేమ అనేది సగటు ఉష్ణోగ్రత మరియు సగటు వర్షపాతం రెండింటినీ ప్రభావితం చేసే మరొక స్వతంత్ర చరరాశి. సగటు వర్షపాతం మరియు సగటు తేమ అనే రెండు స్వతంత్ర చరరాశులకు వ్యతిరేకంగా సగటు వర్షపాతాన్ని డిపెండెంట్ వేరియబుల్‌గా ప్లాట్ చేయగల మార్గం ఉంటే అది అద్భుతమైనది కాదా?
ఇది తేలితే, మల్టీవియారిట్ రిగ్రెషన్ అంటే అదే. మీరు డేటాను కొలిచిన మరియు సేకరించిన బహుళ స్వతంత్ర చరరాశులకు వ్యతిరేకంగా ఒకే ఆధారిత వేరియబుల్‌తో సంబంధం కలిగి ఉండటానికి ఇది మిమ్మల్ని అనుమతిస్తుంది.
మల్టీవిరియట్ రిగ్రెషన్ అనాలిసిస్
మల్టీవియారిట్ రిగ్రెషన్ అనేది డేటా విశ్లేషణ యొక్క చాలా శక్తివంతమైన రూపం మరియు వాస్తవ ప్రపంచానికి వర్తించినప్పుడు మరింత ఖచ్చితమైనదిగా ఉంటుంది. వ్యాపార ప్రపంచంలో, ప్రత్యేకించి, పరిస్థితులు ఒకే కారకం ద్వారా అరుదుగా ప్రభావితమవుతాయి. సాధారణంగా, ఫలితాలను సృష్టించడానికి కచేరీలో చాలా అంశాలు పనిచేస్తాయి. మీరు కొన్ని షరతులపై డేటాను సేకరించినప్పుడు, ఈ రకమైన డేటా విశ్లేషణ సంబంధిత పరిస్థితులలో డేటాను అంచనా వేయడానికి మిమ్మల్ని అనుమతిస్తుంది.
మల్టీవియారిట్ రిగ్రెషన్ యొక్క శక్తితో, మీరు మీ మార్కెట్ మరియు దానిలో ఉన్న కస్టమర్లను బాగా అర్థం చేసుకోగలుగుతారు.
ఎక్సెల్ లో రిగ్రెషన్ అనాలిసిస్
మీరు మార్కెట్లో అత్యంత అధునాతన గణాంక సాఫ్ట్‌వేర్‌ను కొనడానికి ముందు, మీరు ప్రదర్శించగలరని వినడానికి మీరు సంతోషిస్తారు ఎక్సెల్ లో రిగ్రెషన్ విశ్లేషణ.
ఎక్సెల్ ప్రారంభించండి
మీ ప్రారంభించడానికి ఎక్సెల్ లో మల్టీవియారిట్ విశ్లేషణ, మైక్రోసాఫ్ట్ ఎక్సెల్ ప్రారంభించండి. క్లిక్ చేయండి ట్యాబ్‌లో లేబుల్ చేయబడింది “ఫైల్” ఆపై క్లిక్ చేయండి లేబుల్ చేయబడిన బటన్పై "ఎంపికలు." డైలాగ్ బాక్స్ తెరవబడుతుంది.
ఎంపికలపై క్లిక్ చేయండి
డైలాగ్ బాక్స్ యొక్క ఎడమ వైపున ఎంపికలతో కూడిన జాబితా ఉంది. క్లిక్ చేయండి లేబుల్ చేయబడిన ఎంపికలపై “యాడ్-ఇన్లు. ” మీరు అప్లికేషన్ యాడ్-ఇన్‌లను చూడగలరు. క్రియారహిత యాడ్-ఇన్‌ల జాబితాలో, మీరు లేబుల్ చేయబడిన అంశాన్ని చూడాలి “విశ్లేషణ టూల్‌పాక్.”క్లిక్ చేయండి దానిపై, అప్పుడు క్లిక్ చేయండి డ్రాప్-డౌన్ మెను "ఎక్సెల్ యాడ్-ఇన్లు."క్లిక్ చేయండి లేబుల్ చేయబడిన బటన్పై "వెళ్ళండి" దిగువన మరియు మరొక డైలాగ్ బాక్స్ లేబుల్ చేయబడింది “యాడ్-ఇన్లు”కనిపిస్తుంది.
పెట్టెను తనిఖీ చేయండి
లేబుల్ చేయబడిన ఎంపిక ముందు “విశ్లేషణ టూల్‌పాక్” చెక్బాక్స్. క్లిక్ చేయండి దానిపై మరియు తరువాత క్లిక్ చేయండి లేబుల్ చేయబడిన డైలాగ్ బాక్స్ యొక్క కుడి వైపున ఉన్న బటన్ పై "అలాగే." ఇది మీరు తనిఖీ చేసిన ఎంపికను ఆన్ చేస్తుంది.
రిగ్రెషన్ చేస్తోంది
ఇప్పుడు రిగ్రెషన్ చేయడానికి సమయం ఆసన్నమైంది. మీ నిలువు వరుసలకు శీర్షికలు అవసరం, వీటిని మీరు 1 వ వరుసలో నమోదు చేయవచ్చు. డేటా శీర్షిక కిందకు వెళుతుంది. మీ డిపెండెంట్ వేరియబుల్ కోసం ప్రత్యేకంగా ఒక కాలమ్ కలిగి ఉండండి. ఇది మొదటి లేదా చివరి కాలమ్ అయి ఉండాలి. స్వతంత్ర చరరాశులు ఇతర నిలువు వరుసలను పూరించగలవు మరియు వరుస క్రమంలో ఉండాలి.
డేటా టాబ్
రిబ్బన్‌పై, క్లిక్ చేయండి ట్యాబ్‌లో లేబుల్ చేయబడింది "సమాచారం." సమూహంలో లేబుల్ చేయబడింది “విశ్లేషణ,” క్లిక్ చేయండి లేబుల్ చేయబడిన అంశంపై "డేటా విశ్లేషణ." డైలాగ్ బాక్స్ ప్రారంభించబడుతుంది.
రిగ్రెషన్
లో విశ్లేషణ సాధనాలు డైలాగ్ బాక్స్‌లో, రిగ్రెషన్ కోసం చూడండి మరియు దానిపై క్లిక్ చేయండి క్లిక్ చేయండి పై "అలాగే."
ఆధారిత చరరాశి
ఇప్పుడు లేబుల్ చేయబడిన ఫీల్డ్‌లో మీ డిపెండెంట్ వేరియబుల్ ఉన్న కణాల శ్రేణి యొక్క స్థానాన్ని టైప్ చేయండి "ఇన్పుట్ Y పరిధి."
స్వతంత్ర చరరాశి
ఇప్పుడు లేబుల్ చేయబడిన ఫీల్డ్‌లో మీ స్వతంత్ర వేరియబుల్ ఉన్న కణాల శ్రేణి యొక్క స్థానాన్ని టైప్ చేయండి "ఇన్పుట్ X రేంజ్."
పెట్టెను తనిఖీ చేయండి
అని నిర్ధారించుకోవడానికి ఎక్సెల్ మొదటి వరుసలో లేబుల్స్_, లేబుల్ చేయబడిన చెక్‌బాక్స్‌పై క్లిక్_ తప్ప మరేమీ లేదని తెలుసు "లేబుల్స్."
అవుట్పుట్ రేంజ్ పై క్లిక్ చేయండి
లేబుల్ చేసిన విభాగంలో అవుట్పుట్ ఎంపికలు, లేబుల్ చేయబడిన రేడియో బటన్ ఉంది "అవుట్పుట్ పరిధి."క్లిక్ చేయండి దానిపై మరియు రిగ్రెషన్ విశ్లేషణ యొక్క అవుట్పుట్ ఎక్కడ కనిపిస్తుందో తెలుసుకోవడానికి మొదట మీ డేటా కోసం ఒక పరిధిని నమోదు చేయండి. ఒకవేళ మీ ఫలితాలు ప్రత్యేక వర్క్‌షీట్‌లో కనిపించాలని మీరు కోరుకుంటే, క్లిక్ చేయండి రేడియో బటన్ పై లేబుల్ చేయబడింది "వర్క్‌షీట్ ప్లై." మీరు వాటిని క్రొత్త ఫైల్‌లో పూర్తిగా కోరుకుంటే, క్లిక్ చేయండి రేడియో బటన్ పై లేబుల్ చేయబడింది "క్రొత్త వర్క్‌బుక్."
అవశేషాలు
రిగ్రెషన్ డైలాగ్ బాక్స్ యొక్క ఒక విభాగం లేబుల్ చేయబడింది "అవశేషాలు." ఇవి మీ విశ్లేషణ నుండి అవుట్పుట్ యొక్క సారాంశాలు. వారు అంచనాను వాస్తవ ఫలితంతో పోల్చారు. ప్రామాణిక అవశేషాలు మీ అవశేషాల యొక్క ప్రామాణిక విచలనాన్ని తీసుకొని దానిని 1 కి సరిచేస్తాయి.
క్లిక్ చేయండి లేబుల్ చేయబడిన ఎంపికలోని చెక్‌బాక్స్‌లో “ప్లాట్,” మరియు మీ ఫలితాలు గ్రహించబడతాయి. మీరు ఎంచుకుంటే "అవశేషాల ప్లాట్," అప్పుడు అవశేషాలు మాత్రమే గ్రాఫ్ చేయబడతాయి. మీరు ఎంచుకుంటే “లైన్ ఫిట్ ప్లాట్,” అప్పుడు వాస్తవ ఫలితాలకు వ్యతిరేకంగా అంచనా వేయబడుతుంది. క్లిక్ చేయండి పై "అలాగే," మరియు మీ రిగ్రెషన్ ప్రాసెసింగ్ ప్రారంభమవుతుంది. మీరు ఇంతకు ముందు పేర్కొన్న ప్రదేశంలో ఫలితాలను చూడవచ్చు.
