Google e-tablolarda lojistik regresyon nasıl gerçekleştirilir?

Lojistik regresyon, yanıt değişkeni ikili olduğunda bir regresyon modeline uymak için kullanabileceğimiz bir yöntemdir.

Aşağıdaki adım adım örnek, Google E-Tablolar’da lojistik regresyonun nasıl gerçekleştirileceğini gösterir.

Adım 1: XLMiner Analiz Araç Paketini yükleyin

Google E-Tablolar’da lojistik regresyon gerçekleştirmek için öncelikle ücretsiz XLMiner Analiz Araç Paketi’ni yüklememiz gerekiyor.

Bunu yapmak için Eklentiler > Eklentileri Al’a tıklayın:

Daha sonra arama çubuğuna XLMiner Analiz Araç Paketi yazın ve beliren simgeye tıklayın:

Son olarak mavi Yükle düğmesine tıklayın.

2. Adım: Verileri girin

Daha sonra aşağıdaki verileri Google E-Tablolar’a gireceğiz:

Puanları kullanan ve bir basketbolcunun NBA’e alınıp alınmayacağını tahmin etmeye yardımcı olan bir lojistik regresyon modeli uygulayacağız (0 = Hayır, 1 = Evet).

3. Adım: Lojistik regresyon gerçekleştirin

Lojistik regresyon modeline uyum sağlamak için Uzantılar sekmesine tıklayın, ardından XL Miner Analizi Araç Paketi’ne ve ardından Başlat’a tıklayın:

Ekranın sağ tarafında görünen panelde Lojistik Regresyon’un yanındaki açılır oka tıklayın ve aşağıdaki bilgileri girin:

Tamam’a tıkladığınızda lojistik regresyon modelinin özeti görüntülenecektir:

Sonuçtaki katsayılar, draft edilme ihtimalindeki günlük ortalama değişimi gösterir.

Örneğin, bir puanlık birimlik artış, draft edilme ihtimalinde ortalama 0,212’lik bir artışla ilişkilidir.

Katsayıların üzerindeki işaret bize her yordayıcı değişken ile yanıt değişkeni arasında pozitif veya negatif bir ilişki olup olmadığını söyler.

Örneğin, puanların katsayısı pozitif bir işarete sahip olduğundan, bu, puanların değerinin arttırılmasının bir oyuncunun draft edilme şansını arttırdığı anlamına gelir (asistlerin sabit kaldığı varsayılarak).

Tersine, asistlerin katsayısı negatif bir işarete sahip olduğundan, bu, asistlerin değerinin arttırılmasının bir oyuncunun draft edilme şansını azalttığı anlamına gelir (puanların sabit kaldığı varsayılarak).

Sonuçtaki p değerleri aynı zamanda her bir yordayıcı değişkenin taslak olasılığını tahmin etmede ne kadar etkili olduğuna dair bize bir fikir veriyor:

• Puanlar için P değeri: 0,02
• Asistlerin P değeri: 0,35

Puanların p değeri 0,05’ten küçük olduğu için istatistiksel olarak anlamlı bir yordayıcı değişken gibi göründüğünü, ancak asistlerin p değeri 0,05’ten küçük olmadığı için istatistiksel olarak anlamlı görünmediğini görebiliyoruz.

Ek kaynaklar

Aşağıdaki eğitimlerde Google E-Tablolar’da diğer yaygın görevlerin nasıl gerçekleştirileceği açıklanmaktadır:

Google E-Tablolar’da polinom regresyonu nasıl gerçekleştirilir?
Google E-Tablolarda doğrusal regresyon nasıl gerçekleştirilir?
Google E-Tablolarda R-kare nasıl hesaplanır