<\/p>\n
Regresyon,<\/strong> bir veya daha fazla yorday\u0131c\u0131 de\u011fi\u015fken ile bir yan\u0131t de\u011fi\u015fkeni aras\u0131ndaki ili\u015fkiyi a\u00e7\u0131klamak i\u00e7in kullanabilece\u011fimiz istatistiksel bir tekniktir. En yayg\u0131n regresyon t\u00fcr\u00fc, yorday\u0131c\u0131 de\u011fi\u015fken ile yan\u0131t de\u011fi\u015fkeni aras\u0131ndaki ili\u015fki do\u011frusal<\/em> oldu\u011funda kulland\u0131\u011f\u0131m\u0131z do\u011frusal regresyondur .<\/span><\/p>\n Ba\u015fka bir deyi\u015fle, yorday\u0131c\u0131 de\u011fi\u015fken artt\u0131\u011f\u0131nda yan\u0131t de\u011fi\u015fkeni de artma e\u011filimindedir. \u00d6rne\u011fin, \u00e7al\u0131\u015f\u0131lan saat say\u0131s\u0131 (tahmin de\u011fi\u015fkeni) ile \u00f6\u011frencinin s\u0131navda ald\u0131\u011f\u0131 not (yan\u0131t de\u011fi\u015fkeni) aras\u0131ndaki ili\u015fkiyi tan\u0131mlamak i\u00e7in do\u011frusal bir regresyon modeli kullanabiliriz.<\/span><\/p>\n Ancak bazen yorday\u0131c\u0131 de\u011fi\u015fken ile yan\u0131t de\u011fi\u015fkeni aras\u0131ndaki ili\u015fki do\u011frusal de\u011fildir<\/em> . Do\u011frusal olmayan ili\u015fkinin yayg\u0131n bir t\u00fcr\u00fc, grafikte U veya ba\u015f a\u015fa\u011f\u0131 bir U gibi g\u00f6r\u00fcnebilen ikinci dereceden ili\u015fkidir<\/strong> .<\/span><\/p>\n Yani yorday\u0131c\u0131 de\u011fi\u015fken artt\u0131k\u00e7a tepki de\u011fi\u015fkeni de artma e\u011filiminde olur ancak belli bir noktadan sonra yorday\u0131c\u0131 de\u011fi\u015fken artmaya devam ettik\u00e7e yan\u0131t de\u011fi\u015fkeni azalmaya ba\u015flar.<\/span><\/p>\n \u00d6rne\u011fin, \u00e7al\u0131\u015farak ge\u00e7irilen saat say\u0131s\u0131 ile ki\u015finin bildirilen mutluluk d\u00fczeyi aras\u0131ndaki ili\u015fkiyi tan\u0131mlamak i\u00e7in ikinci dereceden regresyon modelini kullanabiliriz. Belki bir ki\u015fi ne kadar \u00e7ok \u00e7al\u0131\u015f\u0131rsa o kadar tatmin olur, ancak belli bir e\u015fi\u011fe ula\u015ft\u0131ktan sonra daha fazla \u00e7al\u0131\u015fmak asl\u0131nda strese ve mutlulu\u011fun azalmas\u0131na neden olur. Bu durumda, ikinci dereceden bir regresyon modeli, verilere do\u011frusal bir regresyon modelinden daha iyi uyum sa\u011flayacakt\u0131r.<\/span><\/p>\n Excel’de ikinci dereceden regresyonun nas\u0131l ger\u00e7ekle\u015ftirilece\u011fine ili\u015fkin bir \u00f6rne\u011fi inceleyelim.<\/span><\/p>\n 16 farkl\u0131 ki\u015fi i\u00e7in haftada \u00e7al\u0131\u015f\u0131lan saat say\u0131s\u0131na ve rapor edilen mutluluk d\u00fczeyine (0’dan 100’e kadar bir \u00f6l\u00e7ekte) ili\u015fkin verilerimiz oldu\u011funu varsayal\u0131m:<\/span><\/p>\n \u00d6ncelikle do\u011frusal regresyonun verilere uymaya uygun bir model olup olmad\u0131\u011f\u0131n\u0131 g\u00f6rmek i\u00e7in bir da\u011f\u0131l\u0131m grafi\u011fi olu\u015ftural\u0131m.<\/span><\/p>\n A2:B17<\/strong> h\u00fccrelerini vurgulay\u0131n. Daha sonra, \u00fcst \u015feritteki INSERT sekmesine t\u0131klay\u0131n ve ard\u0131ndan Grafikler<\/em> alan\u0131nda Da\u011f\u0131l\u0131m’a<\/em> t\u0131klay\u0131n. Bu, verilerin bir da\u011f\u0131l\u0131m grafi\u011fini olu\u015fturacakt\u0131r:<\/span><\/p>\n \u00c7al\u0131\u015f\u0131lan saat ile bildirilen mutluluk aras\u0131ndaki ili\u015fkinin do\u011frusal olmad\u0131\u011f\u0131n\u0131<\/em> g\u00f6rmek kolayd\u0131r. Asl\u0131nda “U” \u015feklini takip eder ve bu da onu ikinci dereceden regresyon<\/strong> i\u00e7in m\u00fckemmel bir aday yapar.<\/span><\/p>\n \u0130kinci dereceden regresyon modelini verilere uyarlamadan \u00f6nce, tahmin de\u011fi\u015fkenimizin karesi al\u0131nm\u0131\u015f de\u011ferleri i\u00e7in yeni bir s\u00fctun olu\u015fturmam\u0131z gerekiyor.<\/span><\/p>\n \u00d6ncelikle B s\u00fctunundaki t\u00fcm de\u011ferleri vurgulay\u0131n ve C s\u00fctununa s\u00fcr\u00fckleyin.<\/span><\/p>\n Daha sonra B2 h\u00fccresine =A2^2<\/strong> form\u00fcl\u00fcn\u00fc yaz\u0131n. Bu, 36<\/strong> de\u011ferini \u00fcretir. Daha sonra, B2 h\u00fccresinin sa\u011f alt k\u00f6\u015fesine t\u0131klay\u0131n ve B s\u00fctunundaki kalan h\u00fccreleri doldurmak i\u00e7in form\u00fcl\u00fc a\u015fa\u011f\u0131 s\u00fcr\u00fckleyin.<\/span><\/p>\n Daha sonra ikinci dereceden regresyon modelini uygulayaca\u011f\u0131z.<\/span><\/p>\n \u00dcst \u015feritte VER\u0130’ye t\u0131klay\u0131n, ard\u0131ndan en sa\u011fdaki Veri Analizi<\/em> se\u00e7ene\u011fine t\u0131klay\u0131n. Bu se\u00e7ene\u011fi g\u00f6rm\u00fcyorsan\u0131z, \u00f6ncelikle \u00fccretsiz Analysis ToolPak yaz\u0131l\u0131m\u0131n\u0131 y\u00fcklemelisiniz<\/a> .<\/span><\/p>\n Veri Analizi’ne<\/em> t\u0131klad\u0131\u011f\u0131n\u0131zda bir kutu g\u00f6r\u00fcnecektir. Regresyon’u<\/em> ve ard\u0131ndan Tamam’\u0131<\/em> t\u0131klay\u0131n.<\/span><\/p>\n Daha sonra kar\u015f\u0131n\u0131za \u00e7\u0131kan Regresyon<\/em> kutusunda a\u015fa\u011f\u0131daki de\u011ferleri doldurunuz. Daha sonra Tamam’\u0131<\/em> t\u0131klay\u0131n.<\/span><\/p>\n A\u015fa\u011f\u0131daki sonu\u00e7lar g\u00f6r\u00fcnt\u00fclenecektir:<\/span><\/p>\n \u00c7\u0131kt\u0131daki farkl\u0131 say\u0131lar\u0131 nas\u0131l yorumlayaca\u011f\u0131n\u0131z a\u015fa\u011f\u0131da a\u00e7\u0131klanm\u0131\u015ft\u0131r:<\/span><\/p>\n R Kare:<\/strong> Belirleme katsay\u0131s\u0131 olarak da bilinen bu,<\/em> yan\u0131t de\u011fi\u015fkenindeki varyans\u0131n, yorday\u0131c\u0131 de\u011fi\u015fkenler taraf\u0131ndan a\u00e7\u0131klanabilen oran\u0131d\u0131r. Bu \u00f6rnekte R kare 0,9092’dir<\/strong> ; bu, rapor edilen mutluluk seviyelerindeki varyans\u0131n %90,92’sinin \u00e7al\u0131\u015f\u0131lan saat say\u0131s\u0131 ve \u00e7al\u0131\u015f\u0131lan saat say\u0131s\u0131^2 ile a\u00e7\u0131klanabilece\u011fini g\u00f6sterir.<\/span><\/p>\n Standart hata:<\/strong> Regresyonun standart hatas\u0131, g\u00f6zlenen de\u011ferler ile regresyon \u00e7izgisi aras\u0131ndaki ortalama mesafedir. Bu \u00f6rnekte g\u00f6zlemlenen de\u011ferler regresyon do\u011frusundan ortalama 9.519 birim<\/strong> sapmaktad\u0131r.<\/span><\/p>\n F-istatisti\u011fi<\/strong> :<\/strong> F-istatisti\u011fi, regresyon MS\/art\u0131k MS olarak hesaplan\u0131r. Bu istatistik, regresyon modelinin ba\u011f\u0131ms\u0131z de\u011fi\u015fken i\u00e7ermeyen bir modele g\u00f6re verilere daha iyi uyum sa\u011flay\u0131p sa\u011flamad\u0131\u011f\u0131n\u0131 g\u00f6sterir. Temel olarak regresyon modelinin bir b\u00fct\u00fcn olarak yararl\u0131 olup olmad\u0131\u011f\u0131n\u0131 test eder. Genel olarak, modeldeki yorday\u0131c\u0131 de\u011fi\u015fkenlerden hi\u00e7biri istatistiksel olarak anlaml\u0131 de\u011filse, genel F istatisti\u011fi de istatistiksel olarak anlaml\u0131 de\u011fildir. Bu \u00f6rnekte F istatisti\u011fi 65,09’dur<\/strong> ve kar\u015f\u0131l\u0131k gelen p de\u011feri <0,0001’dir. Bu p de\u011feri 0,05’ten k\u00fc\u00e7\u00fck oldu\u011fundan regresyon modeli bir b\u00fct\u00fcn olarak anlaml\u0131d\u0131r.<\/span><\/p>\n Regresyon katsay\u0131lar\u0131:<\/strong> Son tablodaki regresyon katsay\u0131lar\u0131 bize tahmini regresyon denklemini yazmak i\u00e7in gereken say\u0131lar\u0131 verir:<\/span><\/p>\n y \u015fapka<\/sub> = b 0<\/sub> + b 1<\/sub> x 1<\/sub> + b 2<\/sub> x 1<\/sub> 2<\/sup><\/strong><\/span><\/p>\n Bu \u00f6rnekte tahmini regresyon denklemi \u015f\u00f6yledir:<\/span><\/p>\n beyan edilen mutluluk d\u00fczeyi = -30,252 + 7,173 (\u00c7al\u0131\u015f\u0131lan saat) -0,106 (\u00c7al\u0131\u015f\u0131lan saat) 2<\/sup><\/strong><\/span><\/p>\n Bu denklemi, bireyin \u00e7al\u0131\u015fma saatlerine g\u00f6re beklenen mutluluk d\u00fczeyini hesaplamak i\u00e7in kullanabiliriz. \u00d6rne\u011fin haftada 30 saat \u00e7al\u0131\u015fan bir ki\u015finin beklenen mutluluk d\u00fczeyi:<\/span><\/p>\n bildirilen mutluluk d\u00fczeyi = -30,252 + 7,173(30) -0,106(30) 2<\/sup> = 88,649<\/strong> .<\/span><\/p>\n Excel’de ikinci dereceden bir e\u011filim \u00e7izgisi nas\u0131l eklenir<\/a> Regresyon, bir veya daha fazla yorday\u0131c\u0131 de\u011fi\u015fken ile bir yan\u0131t de\u011fi\u015fkeni aras\u0131ndaki ili\u015fkiyi a\u00e7\u0131klamak i\u00e7in kullanabilece\u011fimiz istatistiksel bir tekniktir. En yayg\u0131n regresyon t\u00fcr\u00fc, yorday\u0131c\u0131 de\u011fi\u015fken ile yan\u0131t de\u011fi\u015fkeni aras\u0131ndaki ili\u015fki do\u011frusal oldu\u011funda kulland\u0131\u011f\u0131m\u0131z do\u011frusal regresyondur . Ba\u015fka bir deyi\u015fle, yorday\u0131c\u0131 de\u011fi\u015fken artt\u0131\u011f\u0131nda yan\u0131t de\u011fi\u015fkeni de artma e\u011filimindedir. \u00d6rne\u011fin, \u00e7al\u0131\u015f\u0131lan saat say\u0131s\u0131 (tahmin de\u011fi\u015fkeni) ile \u00f6\u011frencinin […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-537","post","type-post","status-publish","format-standard","hentry","category-rehber"],"yoast_head":"\n Excel’de \u0130kinci Dereceden Regresyon<\/strong><\/span><\/h2>\n
Ek kaynaklar<\/strong><\/h2>\n
Regresyon Tablosu Nas\u0131l Okunmal\u0131 ve Yorumlanmal\u0131<\/strong>
\u0130yi bir R-kare de\u011feri nedir?
Regresyonun Standart Hatas\u0131n\u0131 Anlamak
Regresyonda Genel \u00d6nemin F Testini Anlamak \u0130\u00e7in Basit Bir K\u0131lavuz<\/a><\/strong><\/p>\n","protected":false},"excerpt":{"rendered":"