İstatistik
Tüm sürümler
◉ 11 görüntüleme
=LINEST()
Regresyon doğrusunun katsayılarını ve istatistiklerini döndürür
Şunlar için geçerli:
Excel for Microsoft 365Excel for Microsoft 365 for MacExcel 2024Excel 2024 for MacExcel 2021Excel 2021 for MacExcel 2019Excel 2016
=LINEST(known_y's, [known_x's], [const], [stats])
Ayrıntılar için argüman adlarının üzerine gelin.
Çıktı türüDizi
Popülerlik20 / 100
UçucuHayır
Dinamik DiziHayır
📥 Örnek .xlsx indir — Çok yakında
▦ Playgroundda dene
Bu işleve özel dosya — güvenli & hafif · örnek veriler + canlı formüller
⬇ Örnek Çalışma Kitabını İndir
=LINEST() için özel .xlsx — Farsça örnek veriler & canlı formüller — Excel’de açın.
- Sayfa “Örnek” — veri tablosu + formül
- Sayfa “Kılavuz” — sözdizimi, argümanlar & ipuçları
- Anında & güvenli (jeton + limit)
🧠 🧠 Bu işlevin quizi
Sorular — sözdizimi, örnek & hata — kendini test et!
◧ Argümanlar
| Argüman | Tür | Durum | Açıklama |
|---|---|---|---|
known_y's |
Aralık | Zorunlu | Bilinen sonuç değerleri |
known_x's |
Aralık | İsteğe bağlı | Bilinen bir veya birkaç etken değeri |
const |
Mantıksal | İsteğe bağlı | Y-kesişiminin hesaplanması — varsayılan: DOĞRU |
stats |
Mantıksal | İsteğe bağlı | مقدار منطقی که مشخص می‌کند آیا آمار رگرسیون اضافی برگردانده شود یا خیر. اگر stats مقدار TRUE داشته باشد، LINEST آمار اضافی را برمیگرداند و آرایه برگشتی {mn,mn-1,...,m1,b;sen,sen-1,...,se1,seb;r2,sey;F,df;ssreg,ssresid} خواهد بود. اگر FALSE باشد یا حذف شود، فقط ضرایب m و ثابت b برگردانده می‌شود. |
▣ Örnekler
Örnek 1
=SUM(LINEST(B1:B6, A1:A6)*{9,1})
✦ İpuçları
- Katsayılar x sütunlarının ters sırasıyla döndürülür ve son sayı y-kesişimidir.
- Eski sürümlerde çıkış aralığını seçip Ctrl+Shift+Enter ile onaylamanız gerekir.
- Çıkıştan yalnızca bir sayı okumak için İNDİS içine alın.
- توابع برازش خط و منحنی LINEST و LOGEST می‌توانند بهترین خط مستقیم یا منحنی نمایی منطبق با دادهها را محاسبه کنند. با این حال باید تصمیم بگیرید کدام نتیجه بهتر با دادههای شما سازگار است. می‌توانید TREND(known_y's,known_x's) را برای خط مستقیم یا GROWTH(known_y's, known_x's) را برای منحنی نمایی محاسبه کنید. این توابع بدون آرگومان new_x's، آرایه‌ای از مقادیر y پیش‌بینی‌شده در نقاط واقعی دادهها را برمیگردانند و می‌توانید مقادیر پیش‌بینی‌شده را با مقادیر واقعی مقایسه کنید یا هر دو را نمودار کنید.
- در تحلیل رگرسیون، اکسل برای هر نقطه مربع اختلاف بین مقدار y برآوردشده و مقدار واقعی y را محاسبه می‌کند. مجموع این مربعات را مجموع مربعات باقی‌مانده (ssresid) می‌نامند. سپس اکسل مجموع کل مربعات (sstotal) را حساب می‌کند. وقتی آرگومان const برابر TRUE باشد یا حذف شود، مجموع کل مربعات برابر مجموع مربعات اختلاف مقادیر واقعی y با میانگین آن‌هاست. وقتی const برابر FALSE باشد، مجموع کل مربعات برابر مجموع مربعات مقادیر واقعی y (بدون کم کردن میانگین) است. سپس مجموع مربعات رگرسیون (ssreg) از رابطه ssreg = sstotal - ssresid به دست می‌آید. هرچه مجموع مربعات باقی‌مانده در مقایسه با مجموع کل کوچک‌تر باشد، ضریب تعیین r2 که نشان‌دهنده میزان تبیین رابطه متغیرها توسط معادله رگرسیون است بزرگ‌تر خواهد بود و مقدار r2 برابر ssreg/sstotal است.
- در برخی موارد، یک یا چند ستون X (فرض کنید Y و X در ستون‌ها هستند) ممکن است در حضور سایر ستون‌های X ارزش پیش‌بینی اضافی نداشته باشند. به عبارت دیگر حذف یک یا چند ستون X ممکن است مقادیر پیش‌بینی‌شده Y را به همان دقت حفظ کند. در این صورت این ستون‌های زائد باید از مدل رگرسیون حذف شوند. این پدیده «هم‌خطی» (collinearity) نامیده می‌شود، زیرا هر ستون X زائد را می‌توان به‌صورت مجموع مضاربی از ستون‌های X غیرزائد بیان کرد. تابع LINEST هم‌خطی را بررسی و ستون‌های X زائد را هنگام تشخیص حذف می‌کند. ستون‌های حذف‌شده در خروجی LINEST با ضرایب صفر و مقادیر se صفر قابل تشخیص هستند. اگر ستونی به‌عنوان زائد حذف شود، مقدار df تغییر می‌کند زیرا df به تعداد ستون‌های X واقعاً استفاده‌شده بستگی دارد. در صورت تغییر df، مقادیر sey و F نیز تغییر می‌کنند. هم‌خطی در عمل نسبتاً نادر است، اما زمانی که برخی ستون‌های X فقط مقادیر ۰ و ۱ به‌عنوان شاخص عضویت در گروه داشته باشند محتمل‌تر است. اگر const برابر TRUE باشد یا حذف شود، LINEST عملاً ستون اضافی از مقادیر ۱ برای مدل‌سازی عرض از مبدأ اضافه می‌کند. اگر ستونی برای مرد بودن (۱) یا نبودن (۰) و ستون دیگری برای زن بودن داشته باشید، ستون دوم زائد است زیرا می‌توان آن را از تفریق ستون شاخص مرد از ستون تماماً ۱ به دست آورد.
- هنگام وارد کردن ثابت آرایه‌ای (مانند known_x's) به‌عنوان آرگومان، از کاما برای جداسازی مقادیر در یک سطر و از نقطه‌ویرگول برای جداسازی سطرها استفاده کنید. نویسه‌های جداکننده ممکن است بسته به تنظیمات منطقه‌ای متفاوت باشند.
- توجه داشته باشید که مقادیر y پیش‌بینی‌شده توسط معادله رگرسیون ممکن است در خارج از محدوده مقادیر y استفاده‌شده برای تعیین معادله معتبر نباشند.
- علاوه بر استفاده از LOGEST برای محاسبه آمار سایر انواع رگرسیون، می‌توانید با وارد کردن توابعی از متغیرهای x و y به‌عنوان سری‌های x و y برای LINEST، انواع دیگری از رگرسیون را محاسبه کنید. برای مثال فرمول =LINEST(yvalues, xvalues^COLUMN($A:$C)) وقتی یک ستون از مقادیر y و یک ستون از مقادیر x دارید، تقریب مکعبی (چندجمله‌ای درجه ۳) به شکل y = m1*x + m2*x^2 + m3*x^3 + b را محاسبه می‌کند. می‌توانید این فرمول را برای انواع دیگر رگرسیون تنظیم کنید، اما در برخی موارد نیاز به تعدیل مقادیر خروجی و سایر آمار است.
- مقدار F که تابع LINEST برمیگرداند با مقدار F که تابع FTEST برمیگرداند متفاوت است. LINEST آماره F را برمیگرداند در حالی که FTEST احتمال را برمیگرداند.
⚠ Yaygın Hatalar
#DIV/0!
توابع SLOPE و INTERCEPT در دادههای همخط خطای #DIV/0! برمیگردانند، در حالی که LINEST مقدار صفر برمیگرداند.
Çözüm: اگر با SLOPE یا INTERCEPT خطای #DIV/0! گرفتید، بررسی کنید دادهها همخط یا نامعین نباشند و در صورت نیاز از LINEST استفاده کنید.
💬 Yorumlar & Soru-Cevap 0 onaylı
🔒 Onay sonrası yayınlanır.Onay sonrası görünür
Henüz yorum yok — ilk siz olun!