ٹیوٹوریل ریگریشن تجزیہ کی بنیادی باتوں کی وضاحت کرتا ہے اور ایکسل میں لکیری ریگریشن کرنے کے چند مختلف طریقے دکھاتا ہے۔

اس کا تصور کریں: آپ کو بہت سارے مختلف ڈیٹا فراہم کیے گئے ہیں اور آپ کی کمپنی کے لیے اگلے سال کے سیلز نمبروں کی پیشن گوئی کرنے کو کہا جاتا ہے۔ آپ نے درجنوں، شاید سینکڑوں، ایسے عوامل دریافت کیے ہیں جو ممکنہ طور پر تعداد کو متاثر کر سکتے ہیں۔ لیکن آپ کو کیسے پتہ چلے گا کہ کون سا واقعی اہم ہے؟ ایکسل میں رجعت کا تجزیہ چلائیں۔ یہ آپ کو اس اور بہت سے سوالات کا جواب دے گا: کون سے عوامل اہم ہیں اور کن کو نظر انداز کیا جا سکتا ہے؟ ان عوامل کا ایک دوسرے سے کتنا گہرا تعلق ہے؟ اور آپ پیشین گوئیوں کے بارے میں کتنا یقینی ہو سکتے ہیں؟

ایکسل میں رجعت تجزیہ - بنیادی باتیں

شماریاتی ماڈلنگ میں، رجعت تجزیہ استعمال کیا جاتا ہے دو یا دو سے زیادہ متغیر کے درمیان تعلقات کا اندازہ لگائیں:

منحصر متغیر (عرف معیار متغیر) وہ اہم عنصر ہے جسے آپ سمجھنے اور پیشین گوئی کرنے کی کوشش کر رہے ہیں۔

آزاد متغیرات (عرف تفصیلی متغیرات، یا پیش گوئی کرنے والے ) وہ عوامل ہیں جو منحصر متغیر کو متاثر کر سکتے ہیں۔

رجسٹریشن تجزیہ آپ کی مدد کرتا ہے۔ یہ سمجھیں کہ منحصر متغیر کیسے تبدیل ہوتا ہے جب کوئی ایک آزاد متغیر مختلف ہوتا ہے اور ریاضی کے لحاظ سے اس بات کا تعین کرنے کی اجازت دیتا ہے کہ ان میں سے کون سا متغیر واقعی اثر رکھتا ہے۔

تکنیکی طور پر، ایک رجعت تجزیہ ماڈل کے مجموعہ پر مبنی ہوتا ہے۔

اس وقت، آپ کا چارٹ پہلے سے ہی ایک مہذب ریگریشن گراف کی طرح لگتا ہے:

پھر بھی، آپ کچھ اور بہتری لانا چاہیں گے:

• مساوات کو جہاں بھی آپ مناسب سمجھیں گھسیٹیں۔
• محور کے عنوانات شامل کریں ( چارٹ عناصر بٹن > محور کے عنوانات )۔
• اگر آپ ڈیٹا پوائنٹس افقی اور/یا عمودی محور کے وسط میں شروع ہوتے ہیں جیسے اس مثال میں، آپ ضرورت سے زیادہ سفید جگہ سے چھٹکارا حاصل کرنا چاہتے ہیں۔ مندرجہ ذیل ٹپ وضاحت کرتی ہے کہ یہ کیسے کریں: سفید جگہ کو کم کرنے کے لیے چارٹ کے محوروں کو اسکیل کریں۔

  اور ہمارا بہتر ریگریشن گراف اس طرح نظر آتا ہے:

  اہم نوٹ! ریگریشن گراف میں، آزاد متغیر ہمیشہ X محور پر اور منحصر متغیر کو Y محور پر ہونا چاہیے۔ اگر آپ کا گراف الٹا ترتیب میں بنایا گیا ہے، تو اپنی ورک شیٹ میں کالموں کو تبدیل کریں، اور پھر چارٹ کو نئے سرے سے کھینچیں۔ اگر آپ کو سورس ڈیٹا کو دوبارہ ترتیب دینے کی اجازت نہیں ہے، تو آپ X اور Y محور کو براہ راست چارٹ میں تبدیل کر سکتے ہیں۔

فارمولوں کا استعمال کرتے ہوئے ایکسل میں ریگریشن کیسے کریں

مائیکروسافٹ ایکسل میں چند شماریاتی فنکشنز ہیں جو آپ کو لکیری ریگریشن تجزیہ کرنے میں مدد کر سکتے ہیں جیسے کہ LINEST، SLOPE، INTERCEPT، اور CREL لائن جو آپ کے متغیر کے درمیان تعلق کی بہترین وضاحت کرتی ہے اور اس لائن کو بیان کرنے والی ایک صف لوٹاتی ہے۔ آپ کی تفصیلی وضاحت حاصل کر سکتے ہیں۔اس ٹیوٹوریل میں فنکشن کا نحو۔ ابھی کے لیے، آئیے اپنے نمونے کے ڈیٹاسیٹ کے لیے صرف ایک فارمولہ بنائیں:

=LINEST(C2:C25, B2:B25)

چونکہ LINEST فنکشن قدروں کی ایک صف لوٹاتا ہے، آپ کو اسے ایک صف کے فارمولے کے طور پر درج کرنا ہوگا۔ ایک ہی قطار میں دو ملحقہ خلیات کو منتخب کریں، ہمارے معاملے میں E2:F2، فارمولہ ٹائپ کریں، اور اسے مکمل کرنے کے لیے Ctrl + Shift + Enter دبائیں۔

فارمولہ b عدد کو واپس کرتا ہے ( E1) اور a مستقل (F1) پہلے سے مانوس لکیری ریگریشن مساوات کے لیے:

y = bx + a

اگر آپ اپنی ورک شیٹس میں ارے فارمولے استعمال کرنے سے گریز کرتے ہیں، تو آپ حساب کر سکتے ہیں a اور b انفرادی طور پر باقاعدہ فارمولوں کے ساتھ:

Y-intercept (a):

=INTERCEPT(C2:C25, B2:B25)

ڈھلوان حاصل کریں (b):

=SLOPE(C2:C25, B2:B25)

اس کے علاوہ، آپ تعلق کا گتانک ( ایک سے زیادہ R ریگریشن تجزیہ خلاصہ آؤٹ پٹ میں) تلاش کرسکتے ہیں جو اس بات کی نشاندہی کرتا ہے کہ کیسے مضبوطی سے دونوں متغیرات ایک دوسرے سے متعلق ہیں:

=CORREL(B2:B25,C2:C25)

مندرجہ ذیل اسکرین شاٹ ان تمام ایکسل ریگریشن فارمولوں کو عملی شکل میں دکھاتا ہے:

ٹپ۔ اگر آپ اپنے رجعت کے تجزیے کے لیے اضافی اعدادوشمار حاصل کرنا چاہتے ہیں تو، s tats پیرامیٹر کے ساتھ LINEST فنکشن استعمال کریں جیسا کہ اس مثال میں دکھایا گیا ہے TRUE پر سیٹ کیا گیا ہے۔

اس طرح آپ لکیری ریگریشن کرتے ہیں۔ ایکسل میں اس نے کہا، براہ کرم ذہن میں رکھیں کہ Microsoft Excel ایک شماریاتی پروگرام نہیں ہے۔ اگر آپ کو پیشہ ورانہ سطح پر رجعت کا تجزیہ کرنے کی ضرورت ہے، تو آپ ٹارگٹڈ استعمال کرنا چاہیں گے۔سافٹ ویئر جیسے کہ XLSTAT، RegressIt، وغیرہ۔

ہمارے لکیری ریگریشن فارمولوں اور اس ٹیوٹوریل میں زیر بحث دیگر تکنیکوں کو قریب سے دیکھنے کے لیے، آپ کا ذیل میں ہماری نمونہ ورک بک ڈاؤن لوڈ کرنے کا خیرمقدم ہے۔ پڑھنے کے لیے آپ کا شکریہ!

پریکٹس ورک بک

ایکسل میں ریگریشن تجزیہ - مثالیں (.xlsx فائل)

اعداد و شمار میں، وہ ایک سادہ اور متعدد لکیری رجعت کے درمیان فرق کرتے ہیں۔ سادہ لکیری رجعت ایک لکیری فنکشن کا استعمال کرتے ہوئے ایک منحصر متغیر اور ایک آزاد متغیر کے درمیان تعلق کو ماڈل کرتا ہے۔ اگر آپ انحصار متغیر کی پیشین گوئی کے لیے دو یا زیادہ وضاحتی متغیرات استعمال کرتے ہیں، تو آپ متعدد لکیری رجعت سے نمٹتے ہیں۔ اگر منحصر متغیر کو غیر لکیری فنکشن کے طور پر ماڈل بنایا گیا ہے کیونکہ ڈیٹا کے تعلقات ایک سیدھی لائن کی پیروی نہیں کرتے ہیں، تو اس کے بجائے نان لائنر ریگریشن استعمال کریں۔ اس ٹیوٹوریل کا فوکس ایک سادہ لکیری ریگریشن پر ہوگا۔

مثال کے طور پر، آئیے پچھلے 24 مہینوں کے لیے چھتریوں کے سیلز نمبرز لیتے ہیں اور اسی مدت کے لیے اوسط ماہانہ بارش کا پتہ لگائیں۔ اس معلومات کو چارٹ پر پلاٹ کریں، اور ریگریشن لائن آزاد متغیر (بارش) اور منحصر متغیر (چھتری کی فروخت) کے درمیان تعلق کو ظاہر کرے گی:

لکیری ریگریشن مساوات

ریاضی کے لحاظ سے، ایک لکیری رجعت اس مساوات کے ذریعے بیان کیا گیا ہے:

جہاں:

• x ایک آزاد متغیر ہے۔
• y ایک منحصر متغیر ہے۔
• a Y-intercept ہے، جو متوقع اوسط قدر ہے y جب تمام x متغیرات 0 کے برابر ہوں۔ ریگریشن گراف پر، یہ وہ نقطہ ہے جہاں لائن Y محور کو کراس کرتی ہے۔
• b ہے۔ ریگریشن لائن کی ڈھلوان ، جو y کے لیے تبدیلی کی شرح ہے جیسا کہ x تبدیلیاں۔
• ε بے ترتیب غلطی ہے۔ اصطلاح، جو کہ ایک منحصر متغیر کی اصل قدر اور اس کی پیشن گوئی کی قدر کے درمیان فرق ہے۔

لکیری ریگریشن مساوات میں ہمیشہ غلطی کی اصطلاح ہوتی ہے کیونکہ، حقیقی زندگی میں، پیشین گوئی کرنے والے کبھی بھی بالکل درست نہیں ہوتے ہیں۔ تاہم، کچھ پروگرام، بشمول ایکسل، پردے کے پیچھے غلطی کی اصطلاح کا حساب کتاب کرتے ہیں۔ لہذا، ایکسل میں، آپ کم سے کم مربع طریقہ استعمال کرتے ہوئے لکیری ریگریشن کرتے ہیں اور کوفیینٹ a اور b تلاش کرتے ہیں جیسے:

ہماری مثال کے لیے، لکیری ریگریشن مساوات مندرجہ ذیل شکل اختیار کرتی ہے:

Umbrellas sold = b * rainfall + a

a اور b<کو تلاش کرنے کے مٹھی بھر مختلف طریقے موجود ہیں۔ 2>۔ ایکسل میں لکیری ریگریشن تجزیہ کرنے کے تین اہم طریقے یہ ہیں:

• ریگریشن ٹول اینالیسس ٹول پیک کے ساتھ شامل ہے
• ٹرینڈ لائن کے ساتھ سکیٹر چارٹ
• لکیری ریگریشن فارمولہ<14

نیچے آپ کو ہر طریقہ استعمال کرنے کے بارے میں تفصیلی ہدایات ملیں گی۔

ایکسل میں تجزیہ ٹول پیک کے ساتھ لکیری ریگریشن کیسے کریں

یہ مثال دکھاتی ہے کہ ایکسل میں رجعت کیسے چلائی جاتی ہے۔ تجزیہ ٹول پیک ایڈ ان کے ساتھ شامل ایک خصوصی ٹول استعمال کرکے۔

تجزیہ ٹول پیک ایڈ کو فعال کریں۔میں

Analysis ToolPak ایکسل 365 سے 2003 کے تمام ورژنز میں دستیاب ہے لیکن ڈیفالٹ کے طور پر فعال نہیں ہے۔ لہذا، آپ کو اسے دستی طور پر آن کرنے کی ضرورت ہے۔ یہ طریقہ ہے:

1. اپنے ایکسل میں، فائل > آپشنز پر کلک کریں۔
2. ایکسل آپشنز میں ڈائیلاگ باکس میں، بائیں سائڈبار پر Add-ins کو منتخب کریں، یقینی بنائیں کہ Excel Add-ins کو Manage باکس میں منتخب کیا گیا ہے، اور Go<پر کلک کریں۔ 2>۔
3. Add-ins ڈائیلاگ باکس میں، Analysis Toolpak پر نشان لگائیں، اور OK پر کلک کریں:

یہ ڈیٹا تجزیہ ٹولز کو آپ کے ایکسل ربن کے ڈیٹا ٹیب میں شامل کرے گا۔

رجعت تجزیہ چلائیں

ان میں یہ مثال، ہم ایکسل میں ایک سادہ لکیری ریگریشن کرنے جا رہے ہیں۔ ہمارے پاس کالم B میں پچھلے 24 مہینوں کی اوسط ماہانہ بارش کی فہرست ہے، جو کہ ہمارا آزاد متغیر (پیش گوئی کرنے والا) ہے، اور کالم C میں فروخت ہونے والی چھتریوں کی تعداد، جو کہ منحصر متغیر ہے۔ بلاشبہ، بہت سے دوسرے عوامل ہیں جو سیلز کو متاثر کر سکتے ہیں، لیکن فی الحال ہم صرف ان دو متغیرات پر توجہ مرکوز کرتے ہیں:

Analysis Toolpak کو فعال کرنے کے ساتھ، Excel میں ریگریشن تجزیہ کرنے کے لیے ان اقدامات کو انجام دیں:

1. ڈیٹا ٹیب پر، تجزیہ گروپ میں، ڈیٹا تجزیہ بٹن پر کلک کریں۔
2. رجسٹریشن کو منتخب کریں اور ٹھیک ہے پر کلک کریں۔
3. رجسٹریشن ڈائیلاگ باکس میں، درج ذیل سیٹنگز کو کنفیگر کریں:
   • ان پٹ کو منتخب کریںY رینج ، جو آپ کا منحصر متغیر ہے ۔ ہمارے معاملے میں، یہ چھتری کی فروخت ہے (C1:C25)۔
   • ان پٹ X رینج کو منتخب کریں، یعنی آپ کا آزاد متغیر ۔ اس مثال میں، یہ اوسط ماہانہ بارش ہے (B1:B25)۔

   اگر آپ ایک سے زیادہ ریگریشن ماڈل بنا رہے ہیں، تو مختلف آزاد متغیرات کے ساتھ دو یا زیادہ ملحقہ کالم منتخب کریں۔

   • اگر آپ کے X اور Y رینجز کے اوپری حصے میں ہیڈر موجود ہیں تو لیبلز باکس کو چیک کریں۔
   • اپنی ترجیحی آؤٹ پٹ آپشن، ہماری ایک نئی ورک شیٹ کا انتخاب کریں۔ کیس۔
   • اختیاری طور پر، پیش گوئی شدہ اور حقیقی قدروں کے درمیان فرق جاننے کے لیے بقیہ چیک باکس کو منتخب کریں۔
4. ٹھیک ہے پر کلک کریں اور ایکسل کے ذریعہ تخلیق کردہ ریگریشن تجزیہ آؤٹ پٹ کا مشاہدہ کریں۔
18>

رجعت تجزیہ آؤٹ پٹ کی تشریح کریں 0>جیسا کہ آپ نے ابھی دیکھا ہے، ایکسل میں ریگریشن چلانا آسان ہے کیونکہ تمام حسابات خود بخود پہلے سے طے شدہ ہیں۔ نتائج کی تشریح قدرے مشکل ہے کیونکہ آپ کو یہ جاننے کی ضرورت ہے کہ ہر نمبر کے پیچھے کیا ہے۔ ذیل میں آپ کو رجعت تجزیہ آؤٹ پٹ کے 4 بڑے حصوں کی ایک خرابی ملے گی۔

رجسٹریشن تجزیہ آؤٹ پٹ: خلاصہ آؤٹ پٹ

یہ حصہ آپ کو بتاتا ہے کہ حسابی لکیری رجعت مساوات آپ کے ماخذ ڈیٹا سے کتنی اچھی طرح فٹ بیٹھتی ہے۔

یہاں معلومات کے ہر ٹکڑے کا کیا مطلب ہے:

متعدد R ۔ یہ C orrelation Coefficient کی طاقت کی پیمائش کرتا ہے۔دو متغیرات کے درمیان ایک لکیری تعلق۔ ارتباط کا گتانک -1 اور 1 کے درمیان کوئی بھی قدر ہو سکتا ہے، اور اس کی مطلق قدر رشتہ کی مضبوطی کی نشاندہی کرتی ہے۔ مطلق قدر جتنی بڑی ہوگی، رشتہ اتنا ہی مضبوط ہوگا:

• 1 کا مطلب مضبوط مثبت رشتہ ہے
• -1 کا مطلب مضبوط منفی رشتہ ہے
• 0 کا مطلب ہے کوئی رشتہ نہیں تمام

R اسکوائر ۔ یہ تعمیر کا گتانک ہے، جو فٹ کی اچھائی کے اشارے کے طور پر استعمال ہوتا ہے۔ یہ ظاہر کرتا ہے کہ ریگریشن لائن پر کتنے پوائنٹس آتے ہیں۔ R2 قدر کا حساب مربعوں کے کل مجموعہ سے کیا جاتا ہے، زیادہ واضح طور پر، یہ وسط سے اصل ڈیٹا کے مربع انحراف کا مجموعہ ہے۔

ہماری مثال میں، R2 0.91 ہے (2 ہندسوں تک گول) ، جو بہت اچھا ہے۔ اس کا مطلب ہے کہ ہماری 91% اقدار رجعت کے تجزیہ کے ماڈل کے مطابق ہیں۔ دوسرے الفاظ میں، 91% منحصر متغیرات (y-values) کی وضاحت آزاد متغیرات (x-values) سے ہوتی ہے۔ عام طور پر، 95% یا اس سے زیادہ کے R مربع کو مناسب سمجھا جاتا ہے۔

ایڈجسٹڈ R اسکوائر ۔ یہ ماڈل میں آزاد متغیر کی تعداد کے لیے ایڈجسٹ کردہ R مربع ہے۔ آپ متعدد ریگریشن تجزیہ کے لیے R مربع کی بجائے اس قدر کو استعمال کرنا چاہیں گے۔

معیاری خرابی ۔ یہ ایک اور اچھائی کے لیے موزوں پیمانہ ہے جو آپ کے رجعت کے تجزیے کی درستگی کو ظاہر کرتا ہے - تعداد جتنی چھوٹی ہوگی، آپ اس کے بارے میں اتنا ہی زیادہ یقینی ہوسکتے ہیں۔آپ کی رجعت کی مساوات۔ جب کہ R2 منحصر متغیر کے تغیر کے فیصد کی نمائندگی کرتا ہے جس کی وضاحت ماڈل کے ذریعہ کی گئی ہے، معیاری خرابی ایک مطلق پیمائش ہے جو اوسط فاصلے کو ظاہر کرتی ہے کہ ڈیٹا پوائنٹس ریگریشن لائن سے گرتے ہیں۔

مشاہدات یہ صرف آپ کے ماڈل میں مشاہدات کی تعداد ہے۔

رجسٹریشن تجزیہ آؤٹ پٹ: ANOVA

آؤٹ پٹ کا دوسرا حصہ تغیرات کا تجزیہ (ANOVA):

بنیادی طور پر، یہ مربعوں کے مجموعے کو انفرادی اجزاء میں تقسیم کرتا ہے جو آپ کے ریگریشن ماڈل میں تغیر کی سطحوں کے بارے میں معلومات فراہم کرتے ہیں:

• df ذرائع سے وابستہ آزادی کی ڈگریوں کی تعداد ہے۔ تغیر کا۔
• SS مربعوں کا مجموعہ ہے۔ ٹوٹل SS کے مقابلے میں بقایا SS جتنا چھوٹا ہوگا، اتنا ہی بہتر آپ کا ماڈل ڈیٹا پر فٹ بیٹھتا ہے۔
• MS اوسط مربع ہے۔
• F F اعدادوشمار ہے، یا کالعدم مفروضے کے لیے F-ٹیسٹ ہے۔ اس کا استعمال ماڈل کی مجموعی اہمیت کو جانچنے کے لیے کیا جاتا ہے۔
• اہمیت F F کی P- ویلیو ہے۔

ANOVA حصہ شاذ و نادر ہی استعمال ہوتا ہے۔ ایکسل میں ایک سادہ لکیری ریگریشن تجزیہ، لیکن آپ کو یقینی طور پر آخری جزو پر گہری نظر رکھنی چاہیے۔ Significance F قدر اس بات کا اندازہ دیتی ہے کہ آپ کے نتائج کتنے قابل اعتماد (اعداد و شمار کے لحاظ سے اہم) ہیں۔ اگر اہمیت F 0.05 (5%) سے کم ہے، تو آپ کا ماڈل ٹھیک ہے۔ اگر یہ 0.05 سے زیادہ ہے، تو آپ کریں گے۔شاید بہتر ہے کہ ایک اور آزاد متغیر کا انتخاب کریں۔

رجسٹریشن تجزیہ آؤٹ پٹ: گتانک

یہ سیکشن آپ کے تجزیہ کے اجزاء کے بارے میں مخصوص معلومات فراہم کرتا ہے:

اس سیکشن میں سب سے زیادہ کارآمد جز ہے گتانک ۔ یہ آپ کو ایکسل میں ایک لکیری ریگریشن مساوات بنانے کے قابل بناتا ہے:

ہمارے ڈیٹا سیٹ کے لیے، جہاں y فروخت ہونے والی چھتریوں کی تعداد ہے اور x ایک اوسط ماہانہ بارش ہے، ہمارا لکیری ریگریشن فارمولہ اس طرح ہے:

Y = Rainfall Coefficient * x + Intercept

تین اعشاریہ جگہوں پر گول a اور b اقدار سے لیس، یہ اس میں بدل جاتا ہے:

Y=0.45*x-19.074

مثال کے طور پر، 82 ملی میٹر کے برابر ماہانہ بارش کے ساتھ، چھتری کی فروخت تقریباً 17.8 ہوگی:

0.45*82-19.074=17.8

اسی طرح، آپ یہ جان سکتے ہیں کہ کتنی چھتری ہونے والی ہیں۔ آپ کے بیان کردہ کسی بھی دوسرے ماہانہ بارش (x متغیر) کے ساتھ فروخت کیا جاتا ہے۔

رجسٹریشن تجزیہ آؤٹ پٹ: بقایا

اگر آپ 82 ملی میٹر کی ماہانہ بارش کے مطابق فروخت شدہ چھتریوں کی تخمینی اور حقیقی تعداد کا موازنہ کریں، آپ دیکھیں گے کہ یہ نمبرز قدرے مختلف ہیں:

• تخمینہ: 17.8 (اوپر شمار کیا گیا)
• اصل: 15 (ماخذ ڈیٹا کی قطار 2)

فرق کیوں ہے؟ کیونکہ آزاد متغیرات کبھی بھی منحصر متغیر کے کامل پیش گو نہیں ہوتے ہیں۔ اور باقیات آپ کو یہ سمجھنے میں مدد کر سکتے ہیں کہ اصل قدریں پیش گوئی شدہ اقدار سے کتنی دور ہیں:

کے لیےپہلا ڈیٹا پوائنٹ (بارش 82 ملی میٹر)، بقایا تقریباً -2.8 ہے۔ لہذا، ہم اس نمبر کو پیش گوئی کی گئی قدر میں شامل کرتے ہیں، اور اصل قیمت حاصل کرتے ہیں: 17.8 - 2.8 = 15.

ایکسل میں لکیری ریگریشن گراف کیسے بنایا جائے

اگر آپ کو تیزی سے تصور کرنا ہو دو متغیرات کے درمیان تعلق، ایک لکیری ریگریشن چارٹ کھینچیں۔ یہ بہت آسان ہے! یہ طریقہ ہے:

1. اپنے ڈیٹا کے ساتھ دو کالم منتخب کریں، بشمول ہیڈرز۔
2. Inset ٹیب پر، Chats گروپ میں ، سکیٹر چارٹ آئیکن پر کلک کریں، اور سکیٹر تھمب نیل منتخب کریں (پہلا):

   یہ آپ کے ورک شیٹ میں ایک سکیٹر پلاٹ داخل کرے گا، جو اس سے مشابہت رکھتا ہے۔ ایک:

3. اب، ہمیں کم از کم مربع ریگریشن لائن کھینچنے کی ضرورت ہے۔ اسے مکمل کرنے کے لیے، کسی بھی پوائنٹ پر دائیں کلک کریں اور سیاق و سباق کے مینو سے ٹرینڈ لائن شامل کریں… کو منتخب کریں۔
4. دائیں پین پر، Linear ٹرینڈ لائن کی شکل کو منتخب کریں اور اختیاری طور پر، چارٹ پر مساوات ڈسپلے کریں اپنا ریگریشن فارمولہ حاصل کرنے کے لیے:

   جیسا کہ آپ محسوس کر سکتے ہیں، ایکسل نے ہمارے لیے جو ریگریشن مساوات بنائی ہے وہی لکیری ریگریشن فارمولے کی طرح ہے جو ہم نے Coefficients آؤٹ پٹ کی بنیاد پر بنایا تھا۔

5. فل اور amp پر سوئچ کریں لائن ٹیب اور لائن کو اپنی پسند کے مطابق بنائیں۔ مثال کے طور پر، آپ ایک مختلف لائن کا رنگ منتخب کر سکتے ہیں اور ڈیشڈ لائن کے بجائے ٹھوس لائن استعمال کر سکتے ہیں ( Dash type باکس میں سالڈ لائن کو منتخب کریں):