Google शीट्स में लॉजिस्टिक रिग्रेशन कैसे करें

लॉजिस्टिक रिग्रेशन एक ऐसी विधि है जिसका उपयोग हम रिग्रेशन मॉडल को फिट करने के लिए कर सकते हैं जब प्रतिक्रिया चर द्विआधारी होता है।

निम्नलिखित चरण-दर-चरण उदाहरण दिखाता है कि Google शीट्स में लॉजिस्टिक रिग्रेशन कैसे करें।

चरण 1: XLMiner विश्लेषण टूलपैक स्थापित करें

Google शीट्स में लॉजिस्टिक रिग्रेशन करने के लिए, हमें सबसे पहले मुफ़्त XLMiner विश्लेषण टूलपैक इंस्टॉल करना होगा।

ऐसा करने के लिए, ऐड-ऑन > ऐड-ऑन प्राप्त करें पर क्लिक करें:

इसके बाद, सर्च बार में XLMiner एनालिसिस टूलपैक टाइप करें और दिखाई देने वाले आइकन पर क्लिक करें:

अंत में, नीले इंस्टॉल बटन पर क्लिक करें।

चरण 2: डेटा दर्ज करें

इसके बाद, हम निम्नलिखित डेटा को Google शीट में दर्ज करेंगे:

हम एक लॉजिस्टिक रिग्रेशन मॉडल फिट करेंगे जो अंकों का उपयोग करता है और यह अनुमान लगाने में मदद करता है कि बास्केटबॉल खिलाड़ी को एनबीए में ड्राफ्ट किया जाएगा या नहीं (0 = नहीं, 1 = हां)।

चरण 3: लॉजिस्टिक रिग्रेशन करें

लॉजिस्टिक रिग्रेशन मॉडल को फिट करने के लिए एक्सटेंशन टैब पर क्लिक करें, फिर एक्सएल माइनर एनालिसिस टूलपैक पर क्लिक करें, फिर स्टार्ट पर क्लिक करें:

स्क्रीन के दाईं ओर दिखाई देने वाले पैनल में, लॉजिस्टिक रिग्रेशन के बगल में ड्रॉप-डाउन तीर पर क्लिक करें और निम्नलिखित जानकारी दर्ज करें:

एक बार जब आप ओके पर क्लिक करेंगे, तो लॉजिस्टिक रिग्रेशन मॉडल का सारांश प्रदर्शित होगा:

परिणाम में गुणांक ड्राफ्ट किए जाने की संभावना में लॉग औसत परिवर्तन को दर्शाते हैं।

उदाहरण के लिए, एक बिंदु इकाई की वृद्धि ड्राफ्ट किए जाने की संभावना में 0.212 की औसत वृद्धि के साथ जुड़ी हुई है।

गुणांकों पर चिह्न हमें बताता है कि प्रत्येक भविष्यवक्ता चर और प्रतिक्रिया चर के बीच कोई सकारात्मक या नकारात्मक संबंध है या नहीं।

उदाहरण के लिए, चूंकि अंकों में गुणांक के लिए एक सकारात्मक संकेत होता है, इसका मतलब है कि अंकों के मूल्य में वृद्धि से खिलाड़ी के ड्राफ्ट होने की संभावना बढ़ जाती है (यह मानते हुए कि सहायता स्थिर रहती है)।

इसके विपरीत, चूंकि सहायता के गुणांक के लिए एक नकारात्मक संकेत होता है, इसका मतलब है कि सहायता के मूल्य में वृद्धि से खिलाड़ी के ड्राफ्ट होने की संभावना कम हो जाती है (यह मानते हुए कि अंक स्थिर रहते हैं)।

परिणाम में पी-मान हमें यह भी अंदाजा देते हैं कि प्रत्येक भविष्यवक्ता चर मसौदा तैयार होने की संभावना की भविष्यवाणी करने में कितना प्रभावी है:

• अंकों के लिए पी मान: 0.02
• सहायता के लिए पी-मान: 0.35

हम देख सकते हैं कि अंक सांख्यिकीय रूप से महत्वपूर्ण भविष्यवक्ता चर प्रतीत होते हैं क्योंकि उनका पी-मान 0.05 से कम है, लेकिन सहायता सांख्यिकीय रूप से महत्वपूर्ण प्रतीत नहीं होती है क्योंकि उनका पी-मान 0.05 से कम नहीं है।

अतिरिक्त संसाधन

निम्नलिखित ट्यूटोरियल बताते हैं कि Google शीट्स में अन्य सामान्य कार्य कैसे करें:

Google शीट्स में बहुपद प्रतिगमन कैसे करें
Google शीट्स में रैखिक प्रतिगमन कैसे करें
Google शीट्स में R-वर्ग की गणना कैसे करें