Regresyon Analizi Üzerine Eksiksiz Kılavuz

Regresyon Analizi Nedir?

Regresyon analizi , bağımlı değişken ile bağımsız değişken arasındaki ilişkinin ortadan kaldırılması için kullanılan istatistiksel bir yöntemdir. Değişkenler arasındaki ilişkinin gücüne erişmede faydalıdır.

Ayrıca değişkenler arasındaki gelecekteki ilişkinin modellenmesine de yardımcı olur. Regresyon analizi, doğrusal, doğrusal olmayan ve çoklu doğrusal olmak üzere çeşitli türlerden oluşur. Ancak en kullanışlı olanları basit doğrusal ve çoklu doğrusaldır.

Bununla birlikte, doğrusal olmayan analiz, esas olarak karmaşık veri kümeleriyle uğraşmaya yardımcı olur. Karmaşık veri kümelerinde bağımsız ve bağımlı değişken doğrusal olmayan bir ilişki gösterir.

• Tanım
• Regresyon Analizinin Kullanımları
• Regresyon Analizi ne zaman kullanılır?
• Regresyon Analizi nasıl kullanılır?
• İşletmelerde Regresyon Analizinin Kullanımları
• Regresyon Analizinin Önemi
• Regresyon Analizinin Amacı
• Regresyon Analizinin Sınırlamaları
• Regresyon Analizi Türleri
• Regresyon Analizi Örnekleri
• Regresyon Analizi Araçları

Neden Regresyon Analizi Kullanmalısınız?

Regresyon analizi, çeşitli şeyler yapmak için yararlıdır. Aşağıda, regresyon analizini dikkate almak için bazı temel nedenleri tartışacağız.

1. Çok Çeşitli İlişkileri Analiz Etmek

   Regresyon analizi, veri kümeleri arasındaki çeşitli ilişkilerin ele alınmasına yardımcı olabilir. Bunu yapabilirsiniz:

   • Birden çok bağımsız değişkeni modelleyin
   • Sürekli ve kategorik değişkenler
   • Eğrilikleri modellemek için polinom terimleri
   • Bir bağımsız değişkenin başka bir bağımsız değişkenin değeri üzerindeki etkisini belirlemek için etkileşim terimlerine erişin

2. Bağımsız Değişkenleri Kontrol Etmek

   Belirtildiği gibi, bağımlı değişkenle ilgili her bir bağımsız değişkendeki değişikliği tanımlamaya yardımcı olur. Model içindeki tüm değişkenleri stratejik olarak kontrol ettiğini söyleyebiliriz.

   Bir Değişkeni Kontrol Etmenin Tanımı: Regresyon analizi yapıldığında her bir değişkenin rolünü izole etmeliyiz. Bunu yapmak için, kafa karıştırıcı değişkenleri en aza indirmeniz gerekir. Bu süreç, diğer değişkenleri dikkate almadan her bir değişkenin rolü hakkında daha fazla bilgi sahibi olmanızı sağlar.

   Regresyonda Diğer Değişkenler Nasıl Kontrol Edilir: Regresyon analizinde diğer bağımsız değişkenleri modelinize dahil ederek sabit tutarsınız. Araştırmalar, ilgili bir değişkenin yanıltıcı sonuçlar üretebileceğini göstermektedir. Bu nedenle, bir değişkeni atlamak, modelin kontrolsüz olmasına neden olur ve sonuç, modelde mevcut olmayan değişkene doğru önyargılı olur.

3. Regresyon Çıktısını Yorumlamak

   Regresyon analizinde, öncelikle iyi bir modele sahip olduğunuzu doğrulamalı ve doğrulamalısınız. Bunu yaptıktan sonra regresyon katsayılarına ve p değerlerine bakmalısınız. 0,05'ten küçük bir p-değeriniz olduğunda, bağımsız değişken istatistiksel olarak anlamlıdır.

   Bu p değeri, örneklemde gözlemlediğiniz ilişkinin daha büyük popülasyonla da çalışıp çalışmadığını belirlemenize yardımcı olacaktır.

4. Güvenilir Regresyon Sonuçları Elde Etmek İçin

   Güvenilir bir regresyon sonucu elde etmek için aşağıdaki adımları izleyin.

   • Doğru modeli oluşturun: Tüm değişkeni modele dahil edemiyorsanız, sonuç önyargılı olabilir.
   • Kalan grafikleri kontrol edin: Modelin verilere yeterince uyduğundan emin olun.
   • Korelasyon: İki bağımsız değişken arasındaki korelasyona çoklu bağlantı denir. Çoklu doğrusal bağlantı iyidir, ancak çoklu doğrusal bağlantının fazlalığı bir sorun olabilir.

Regresyon Analizi ne zaman kullanılır?

Birisi regresyon analizi dediği zaman, genellikle sıradan en küçük kareler regresyonlarını kasteder . Ancak, belirli varsayımlar karşılandığında sürekli olan bir bağımsız değişken olduğunda bu uygundur.

Ancak gerçekte, sayım regresyonları, lojistik regresyon, çok terimli lojistik, sıralı lojistik, nicelik, çok değişkenli ve diğer türler gibi çeşitli türleri vardır.

Regresyon analizi, temel olarak, ev başına oda sayısı, evin yaşı gibi şeylere dayalı olarak konut fiyatlarını tahmin etmek gibi bir dizi özelliğe dayalı olarak bir hedef değişkeni tahmin etmek için kullanılır.

Regresyon Analizi Nasıl Yapılır?

Şimdi formüller de dahil olmak üzere regresyonla ilgili her şeyi tartışacağız. Tüm temel şeyler yukarıda tartışıldı.

Excel'de Doğrusal Regresyon Grafiği Nasıl Yapılır ve Excel'de Formüller kullanılarak nasıl regresyon yapılır tartışacağız.

Excel'de Doğrusal Regresyon Grafiği nasıl yapılır

Excel'de doğrusal bir regresyon grafiği çizmek çok kolaydır, sadece aşağıdaki adımları izleyin, regresyon grafiğini oluşturun.

• Başlıklar dahil olmak üzere verilerin iki sütununu seçin.
• Ekle sekmesine tıklayın ve sohbetler grubuna gidin, ardından dağılım grafiği simgesine tıklayın. Bunu yaptıktan sonra dağılım küçük resmine tıklayın. Bu, çalışma sayfanıza bir dağılım grafiği ekleyecektir.
• Şimdi en küçük kare regresyon çizgisini çizin. Bunu yapmak için herhangi bir noktaya tıklayın ve içerik menüsünden trend çizgisi ekle'yi seçin.
• Sağ taraftaki bölme, doğrusal eğilim çizgisi şeklini seçer ve regresyon formülünü almak için grafikteki görüntü denklemini kontrol eder.
• Şimdi geçiş ve satır sekmesine gidin ve satırı buna göre özelleştirin. Buradan farklı çizgiler ve çeşitli çizgi renkleri seçebilirsiniz.
• Bu noktada grafiğiniz bir regresyon grafiği gibi görünecek ancak yine de üzerinde bazı iyileştirmeler yapmanız gerekiyor.
• İyileştirmeleri yapmak için önce denklemi sürükleyip sığdırmanız ve ardından eksen başlıklarını eklemeniz gerekiyordu (Veri noktaları yatay veya dikey eksenin ortasından başlıyorsa fazla beyaz alanı kaldırmanız gerekiyordu)

Formülleri Kullanarak Excel'de Regresyon Nasıl Yapılır?

Excel, regresyon analizi yapmanıza yardımcı olabilecek bazı istatistiksel işlevlere sahiptir. Bu istatistiksel fonksiyonlar

• DOT (C2:C25, B2:B25)
• Eğim (C2:C25, B2:B25)
• KESİNTİ (C2:C25, B2:B25)
• KOREL (B2:B25,C2:C25)

İşletmelerde Regresyon Analizinin Kullanımı

Regresyon analizi iş için çok yardımcı olabilir ve aşağıda bazı ana kullanımları tartıştık.

1. Tahmine Dayalı Analitik

   Gelecekteki risklerin ve fırsatların belirlenmesine yardımcı olur. İşletmelerde en çok kullanılan regresyon analizi uygulamasıdır.

   Örneğin, ürün tabanlı bir şirket, bir tüketicinin gelecekte satın alacağı ürün sayısını tahmin edebilir. Bununla birlikte, regresyon sadece talep değişkenine dayanmaz, işletme üzerinde doğrudan etki yaratan çeşitli başka faktörler de vardır. Dolayısıyla, Regresyon ayrıca her şeyi düşünmenize ve ardından gelecek için başarılı bir karar vermenize yardımcı olacaktır.

2. Verimliliği Artırın

   Regresyon, iş sürecini optimize etmenize yardımcı olabilir. Çünkü bu sayede, karar verme sürecinden tahmin yürütmeyi, kurumsal politikayı ve hipotezi ortadan kaldıran veriye dayalı kararlar oluşturabilirsiniz.

   Dolayısıyla bu, verimlilik ve gelir nedeniyle maksimum etkiye sahip alanlar hakkında net bir öneri vererek genel iş performansınızı iyileştirecektir.

3. Destek Kararları

   Günümüzde işletmeler finans, satın alma ve diğer şirketle ilgili verilerle aşırı yüklenmiştir. Bu nedenle, ondan bazı yararlı bilgiler almak çok zordur. Ancak regresyon analizi yardımıyla büyük ham verilerden eyleme geçirilebilir bilgileri alabilirsiniz.

   Dolayısıyla bu, gelecek için daha doğru kararlar vermenin daha akıllı bir yoludur. Ancak bu, artık yaratıcı düşünmeye gerek olmadığı anlamına gelmez. Bu, yürütme için dışarı çıkmadan önce hipotezi test etmek için yalnızca bir araçtır.

4. Yeni Analizler

   Zamanla işletmeler çok fazla veri toplar. Ancak sorun şu ki bu veriler organize değil. Ayrıca, bu veriler uygun analiz yapılmadan israftır. Böylece, regresyon analizi yoluyla optimum stoku koruyabilirsiniz.

İşletmelerde Regresyon Analizinin Önemi

İşte işinize rehberlik etmenize yardımcı olacak bazı regresyon uygulamaları.

1. Diğer Kalıpları Anlamak

   Regresyon analizinin yardımıyla verilerde ortaya çıkan her türlü kalıbı anlayabilirsiniz. Ayrıca, bu yeni anlayışların işinizde nasıl bir fark yaratacağını anlamanız için bu yeni bilgiler sizin için çok değerli olacaktır.

2. Hataları Düzeltme

   Regresyon analizi yalnızca daha iyi bir karar oluşturmaya yardımcı olmakla kalmaz. Ayrıca yargılardaki hataları bulmada yardımcı olur. Çeşitli faktörlere bakarak karar vermeniz için size nicel destek sağlayacak ve hataların önüne geçecektir.

3. Optimizasyon Süreci

   Daha fazla veriyi anlayarak verimliliğinizi artırabilir ve işletmenize tam fayda sağlamak için süreçleri iyileştirebilirsiniz. Ayrıca verilerle optimize edilen süreçler işletmelerin daha akıllı çalışmasına yardımcı olacaktır.

Bu konuda daha fazla bilgi edinmek istiyorsanız şu makaleye göz atın: İşletmede Regresyon Analizinin Önemi

Regresyon Analizinin Amacı Nedir?

Amaç, geçmiş verilere dayalı bir sonucu tahmin etmektir. Bu tarihsel veriler, regresyon analizi yardımıyla anlaşılır.

Örneğin, kahveyi ne tür insanların satın aldığına ilişkin verileri tahmin etmek istiyorsunuz. Yani, bu durumda, kahve satın alan ve yaşı, boyu, mali durumu ve diğer şeyler gibi bilgileri toplayan kişinin verilerini bulacaksınız.

Şimdi bu verileri analiz ettikten sonra, bir kişinin kahveyi alıp almayacağını tahmin etmek için bir model oluşturacaksınız. Dolayısıyla, bağımlı değişkenin davranışını büyük bağımsız değişkenlere dayanarak tahmin etmek için regresyon analizinin kullanıldığını söyleyebiliriz.

Regresyon Analizinin Sınırlandırılması

Regresyonun dört ana sınırlaması vardır. Aşağıda bu 4 sınırlamayı tartıştık.

• İlişkiler arasındaki neden ve sonucun değişmeden kalacağı varsayılır.
• Bazı sınırlı verilere dayanarak iki veya daha fazla değişken arasında elde edilen fonksiyonel ilişki, daha fazla veri dikkate alındığında iyi olmayabilir.
• Karmaşık ve uzun bir hesaplama sürecini içerir.
• Niteliksel bir fenomen durumunda kullanılamaz.

Regresyon Türleri

Toplam 7 ana Regresyon türü vardır ve aşağıda bu 7 türü ayrıntılı olarak tartıştık.

1. Doğrusal Regresyon

   Bu, tahmine dayalı analiz için kullanılır. Skaler yanıt ve açıklayıcı değişkenler arasındaki ilişkiyi modellemek için bunda doğrusal bir yaklaşım izlenir.

   Bu, esas olarak, tahmin edicilerin değeri verilen yanıtın koşullu olasılık dağılımına odaklanır. Ancak lineer regresyonda aşırı uydurma tehlikesi vardır.

   Lineer Regresyon denklemi Y' = bX + A'dır.

2. Lojistik regresyon

   Bu regresyon, bağımlı değişken ikili olduğunda kullanılır. Lojistik modelin parametrelerini tahmin eder.

   Bu regresyon, iki olası kritere sahip verilerin ele alınmasına yardımcı olur.

   Lojistik Regresyon denklemi l = β ₀ +β ₁ X ₁ + β ₂ X _2'dir .

3. Polinom Regresyon

   Bu regresyon eğrisel veriler için kullanılır. En küçük kareler yöntemine mükemmel uyum sağlar. Bu analiz, bir bağımlı değişken y'nin beklenen değerini bağımsız değişken x'e göre modellemeyi amaçlar.

   Polinom Regresyon denklemi şudur: l =β ₀ +β ₀ X ₁ +ε

4. Adım Adım Regresyon

   Regresyon modelini öngörücü modele uydurmak için kullanılır. Bu gerileme otomatik olarak gerçekleştirilir. Bununla birlikte, her adımda değişken, açıklayıcı değişkenler kümesinden eklenir veya çıkarılır.

   Bunda, ileriye dönük seçim ve geriye doğru eleme yaklaşımı vardır.

   Adım adım regresyon formülü b _j.std = b _j'dir (S _{x *} S _Y ^-1 )

5. Sırt Regresyonu

   Bu, çoklu regresyon verilerini analiz etmek için bir tekniktir. Bu durumda, çoklu bağlantı oluştuğunda, en küçük kareler tahminleri yansızdır.

   Regresyon tahminlerine bir derece yanlılık eklenir ve bundan dolayı sırt regresyonu standart hataları azaltır.

   Ridge Regresyon denklemi β = (X ^T X + λ _* I) ^-1 X ^T Y'dir

6. Kement Regresyonu

   Bunda hem değişken seçimi hem de düzenlileştirme yöntemleri gerçekleştirilir. Yumuşak eşikleme kullanır. Ayrıca, son modelde kullanmak için sağlanan ortak değişkenlerin yalnızca bir alt kümesini seçer.

   Kement Regresyonu için formül N ^-1 ∑ _i=1 ^N F (X _i , Y _ben , α, β)

7. Elastik Net Regresyon

   Kement ve sırt yöntemlerinin cezalarını doğrusal olarak birleştiren düzenli bir regresyon yöntemidir. Esas olarak destek vektör makineleri, portföy optimizasyonu ve metrik öğrenme için kullanılır.

   Elastik Net Regresyon denklemi ||β|| ₁ = ∑ ^p _j=1 |β _j |

Yukarıdaki türlerin yanı sıra, Tahmin için bu 20 Tip Regresyon Analizine göz atın.

Regresyon Analizi Örnekleri

Şimdi ikisi finansla ilgili ve ikisi finansla ilgili olmayan dört regresyon analizi örneğini tartışacağız.

İşte Finans ile ilgili örnekler.

• Beat ve CAPM: Finansta, bir hisse senedinin BETA'sını hesaplamak için regresyon analizini kullanırız. Üstelik Excel yardımı ile kolayca yapılabilir.
• Gelir ve Gider Tahmini: Finansta, şirketler için mali tabloları tahmin etmek için regresyon analizini de kullanırız. Böylece, iş varsayımlarındaki hangi değişikliklerin gelecekteki giderleri ve geliri etkileyeceğini belirleyebiliriz.

İşte finans dışında uygulanan örnekler.

• Regresyon analizi yoluyla, sürücünün kullandığı saat sayısı ile sürücünün yaşı arasındaki ilişkiyi bulabilirsiniz.
• Regresyon analizinin yardımıyla, bir sınıftaki geçme notlarının yüzdesi ile bir öğretmenin sahip olduğu yıllık deneyim sayısı arasındaki ilişkiyi öğrenebilirsiniz.

Regresyon Analizi Araçları

Çeşitli regresyon analizi araçları vardır ancak aşağıda en iyi 5 araç bulunmaktadır.

1. Maksimum İstatistik

   Fiyat: Öğrenciler için 39 € ve diğer kullanıcılar için 79 €

   Kullanımı kolay ve uygun fiyatlı bir araç çevrimiçi olarak mevcuttur. Analizi tek bir iletişim kutusunda bitirmek için yalnızca üç adım gereklidir. Adım adım analiz sağladığı için öğrenciler ve genç akademisyenler için çok kullanışlıdır.

   Bununla ilgili daha fazla bilgi için burayı tıklayın (1) .

2. AcaStat

   Fiyat: 9.99 dolardan başlıyor ancak ek özelliklerle fiyat artıyor.

   En iyi istatistiksel analiz araçlarından biridir. Bunun temel özelliği, verileri çok basit teknikler kullanarak analiz etmesidir. Ayrıca, analizi çok hızlı yapar.

   Bununla ilgili daha fazla bilgi için burayı tıklayın (2) .

3. NCSS

   Fiyat: Yıllık abonelik 239 ABD Doları'dır.

   Verileri analiz etmek için NCSS yazılımında çok çeşitli istatistiksel ve grafiksel araçlar mevcuttur. Ayrıca dokümantasyon düzenleme, ücretsiz eğitim videoları ve 7/24 e-posta destek ekibi gibi başka olanaklar da sunar.

   Bununla ilgili daha fazla bilgi için burayı tıklayın (3) .

4. XL İstatistik

   Fiyat: Bu yazılımın yıllık fiyatı 275$'dır. Ancak bunun ücretsiz deneme sürümünü alabilirsiniz .

   Kullanıcının ihtiyaçlarını karşılamaya yönelik bir çok özelliği bünyesinde barındıran istatistiksel bir yazılımdır. Ayrıca Microsoft Excel ile uyumludur ve hem PC'de hem de Mac'te kullanabilirsiniz.

   Bununla ilgili daha fazla bilgi için buraya tıklayın (4) .

5. SAS

   Fiyat: İhtiyaçlarınıza göre kişiselleştirilmiş bir fiyat teklif edebilirsiniz. Ayrıca, ücretsiz deneme mevcuttur.

   Doğrusal regresyonun geleneksel analizi için mükemmeldir. Hem uzmanlaşmış hem de kurumsal çapta istatistiksel ihtiyaçları karşılar.

   Bununla ilgili daha fazla bilgi için burayı tıklayın (5) .

Regresyon Analizi Hakkında Sıkça Sorulan Sorular

S. Regresyon Analizi Formülü Nedir?

A. Formül Y = MX + b'dir

Neresi,

• Y , regresyon denkleminin bağımlı değişkenidir.
• M , regresyon denkleminin eğimidir.
• X , regresyon denkleminin bağımlı değişkenidir.
• b denklemin sabitidir.

S. Çoklu Regresyon Analizi Nedir?

A. Çoklu regresyon analizi, iki veya daha fazla bağımsız değişken yardımıyla bağımlı değişkenin değerini tahmin etmede kullanılan istatistiksel bir yöntemdir.

Q. Çoklu Regresyon Analizi Örnekleri

A. Çoklu regresyon örneği ile bir bireyin boyunu, kilosunu ve yaşını göz önünde bulundurarak tansiyonunu tahmin edebilirsiniz. Burada kan basıncı bağımlı değişken, diğerleri bağımsız değişkendir.

S. Basit Regresyon Analizi Nedir?

A. Basit regresyon analizi, geçmiş gözlemlere dayalı olarak bir bağımlı ve bir bağımsız değişken arasındaki ilişkiyi bulmak için istatistiksel bir araçtır.

S. Regresyon Analizinin uygulamaları nelerdir?

A. Regresyon Analizinin uygulamaları şunlardır:

• Gelecekteki kararları tahmin edebilirsiniz.
• Süreci optimize etmeye yardımcı olur.
• Hataların düzeltilmesine yardımcı olur.
• Regresyon analizi sayesinde daha iyi içgörüler elde edebilirsiniz.

Son düşünceler

Kuruluşunuzdan bir dahaki sefere, bir faktörün başka bir faktörü etkileyeceği bir hipotez ortaya koyduğunda, belki de sonucu belirlemek için bir regresyon analizi yapmayı düşünmelisiniz. Bilgilendirilmiş bir iş karar verme süreci, kaynakları verimli bir şekilde tahsis etmeye ve uzun vadede geliri artırmaya yardımcı olabilir.