როგორ გამოვთვალოთ R2 Excel

ფინანსებსა და სტატისტიკაში, განსაზღვრის კოეფიციენტი, ასევე მოხსენიებული როგორც R-კვადრატი (ან რ²) არის მათემატიკურ მოდელში გამოყენებული ორი მონაცემთა ნაკრების ურთიერთობის საზომი. იგი წარმოადგენს დამოკიდებული ცვლადის დისპერსიის თანაფარდობას, რომლის პროგნოზირება შესაძლებელია მოდელის დამოუკიდებელი ცვლადისგან. ის ხშირად გამოიყენება რეგრესიის ანალიზში, რათა შეაფასოს მომავალი შედეგების პროგნოზები დაკვირვებულ შედეგებზე დაყრდნობით. თქვენ შეგიძლიათ გამოთვალოთ R-კვადრატი Excel-ში RSQ ფუნქციის გამოყენებით.

Microsoft Excel-ში RSQ ფუნქცია გამოიყენება მონაცემთა წერტილების ორი ნაკრებისთვის R-კვადრატის მნიშვნელობის დასადგენად. ფუნქცია აბრუნებს პირსონის ნამრავლის მომენტის კორელაციის კოეფიციენტის კვადრატს, რომელიც ზომავს წრფივ კორელაციას x და y ცვლადებს შორის. კორელაციის კოეფიციენტი ყოველთვის ეცემა -1 და +1 დიაპაზონში. Excel-ში RSQ-ის მიერ დაბრუნებული მნიშვნელობა ყოველთვის არის 0-დან 1-მდე (რადგან ის გამოითვლება როგორც კორელაციის კოეფიციენტის კვადრატი, ის ვერასოდეს დააბრუნებს უარყოფით მნიშვნელობას).

RSQ ფუნქცია არგუმენტად იღებს მონაცემთა ორ კომპლექტს, მოხსენიებული როგორც ცნობილი_x და ცნობილი_y. ეს მონაცემთა ნაკრები შეიძლება იყოს რიცხვების სიის ან უჯრედების მითითებების სიის ან დიაპაზონის სახით. მაგალითად, თქვით, რომ გინდოდათ რეგრესიული ანალიზის გაკეთება რეკლამისთვის დახარჯულ ფულზე vs. შემოსავალი გაყიდვებიდან, სადაც ყოველთვიური სარეკლამო ხარჯები ჩამოთვლილია A სვეტში და ყოველთვიური შემოსავალი ჩამოთვლილია სვეტში B. შეგიძლიათ გამოიყენოთ RSQ ფუნქცია RSQ(A1:A10,B1:B10) შეყვანით, რომელიც იყენებს მნიშვნელობებს 1-დან 10-მდე სტრიქონებში A (რეკლამის ხარჯები) და B (შესავალი) სვეტებიდან.

Excel ასევე იძლევა საშუალებას გამოვთვალოთ კორელაციის კოეფიციენტი ორი მონაცემთა ნაკრებისთვის CORREL და PEARSON ფუნქციების გამოყენებით. RSQ ფუნქციის მსგავსად, CORREL და PEARSON არგუმენტად იღებენ უჯრედის მნიშვნელობების ორ დიაპაზონს. კორელაციის კოეფიციენტის საპოვნელად CORREL-ის ან PEARSON-ის შედეგის აღება და შედეგის კვადრატში გაყვანა იგივეა, რაც RSQ ფუნქციის გამოყენება განსაზღვრის კოეფიციენტის დასადგენად.

CORREL და PEARSON ფუნქციები აბრუნებენ მნიშვნელობებს -1 და 1 შორის. ეს არის პოზიტიური ან უარყოფითი კორელაციის განზომილებიანი საზომი არგუმენტებად მოწოდებულ მონაცემთა ორ ჯგუფს შორის. RSQ ფუნქციიდან დაბრუნებული მნიშვნელობა არის 0-დან 1-მდე, ზოგჯერ გამოხატული პროცენტულად 0-დან 100-მდე. ბევრი ანალიტიკოსი თვლის, რომ უფრო მაღალი RSQ შედეგი მიუთითებს უფრო ზუსტ მათემატიკურ მოდელზე, ზოგი კი თქვით, რომ ხატვის წინ მნიშვნელოვანია გავითვალისწინოთ ყველა ის ფაქტორი, რამაც შეიძლება გამოიწვიოს მაღალი ან დაბალი შედეგი დასკვნები.

ექსპერტები ასევე ამბობენ, რომ თავიდან უნდა აიცილოთ R-კვადრატის მნიშვნელობების შედარება სხვადასხვა მოდელებისა და მონაცემთა ნაკრებისთვის. იმ შემთხვევებში, როდესაც ისინი დიდი განსხვავებებია შედარებული მონაცემების ტიპებს შორის, შედეგები შეიძლება იყოს შეცდომაში შემყვანი. არსებობს უფრო რთული ზომები მოდელების შედარებისთვის, ვიდრე R-კვადრატის მნიშვნელობები, როგორიცაა F-ტესტები და ინფორმაციის კრიტერიუმები.

Excel-ის სკატერის დიაგრამა ყველაზე ხშირად გამოიყენება რეგრესიის ანალიზის დროს მონაცემთა ნაკრებებს შორის ურთიერთობების საჩვენებლად. მონაცემთა ერთი ნაკრებისთვის მნიშვნელობების დიაპაზონი ნაჩვენებია ჰორიზონტალურ x ღერძზე, ხოლო მეორე ნაკრებისთვის დიაპაზონი ვერტიკალურ y ღერძზე. მონაცემთა წერტილები აისახება x და y მნიშვნელობების კვეთაზე, თითოეული მონაცემთა ნაკრებიდან მნიშვნელობების წყვილის გამოყენებით.

რეკლამისა და გაყიდვების მაგალითის გამოყენებით, სადაც რეკლამის ხარჯები ჩამოთვლილია A სვეტში და ყოველთვიური შემოსავალი სვეტში B, ჰორიზონტალური ღერძი აჩვენებს თვიური შემოსავლის დიაპაზონს, ვერტიკალური კი რეკლამის დიაპაზონს ღირს. დიაგრამის მონაცემების წერტილები გამოსახული იქნება A და B სვეტის მიმდებარე უჯრედების დათვალიერებით. შედეგად მიღებული ქულების ნიმუში შეიძლება გამოყენებულ იქნას ცვლადებს შორის კორელაციის რაოდენობის ვიზუალიზაციისთვის.