Excel'de Regresyon Analizi Yapma ve Çıktıları Yorumlama
1. Excel'de Regresyon Analizi Nasıl Yapılır?
1.1 - Verileri Hazırlama
Excel'de regresyon analizi yapmadan önce verilerinizi düzgün bir şekilde düzenlemeniz gerekmektedir. İdeal olarak, veri setinizde bağımlı değişken (y) ve bağımsız değişkenler (x) açıkça belirlenmiş olmalıdır. Mesela aşağıdaki örnekte reklam harcamaları (x), satış gelirleri (y) olarak belirlenmiştir. Reklam harcamaları ve satış verileri arasındaki ilişkiyi anlamak ve reklam harcamasına göre satış rakamlarını tahmin etmek istiyoruz.
- Bağımlı değişken (Y): Tahmin etmek istediğiniz değişken
- Bağımsız değişkenler (X): Tahmin için kullanacağınız değişkenler
- Verilerde eksik değer olmamalıdır
- Veriler sayısal formatında olmalıdır
1.2 - Veri Analizi Araçlarını Aktif Etme
Excel'de Regresyon Analizi yapmak için öncelikle Veri Analizi Araç Setinin aktif olması gerekmektedir. Bu araçları aşağıdaki adımları takip ederek de etkinleştirebilirsiniz.
Uyarı
"Veri Çözümleme" seçeneği Veri sekmesinde görünmüyorsa, bu adımları uygulayarak aktifleştirin.
1.3 - Regresyon Analizini Çalıştırma
Veri analizi araçları etkinleştirildikten sonra, regresyon analizini yapmak için şu adımları izleyin:
2. Çıktı Yorumlama
2.1 - Regresyon Çıktısını Yorumlama
Excel regresyon analizi sonucunda çıkan tablo, üç ana bölümden oluşur:
- Regresyon İstatistikleri: R-Kare, Düzeltilmiş R-Kare → Modelin genel başarısı
- ANOVA: F, Anlamlılık F (p-değeri) → Modelin anlamlılığı
- Katsayılar: Kesme, Eğim, p-değerleri → Değişkenlerin etkisi
2.2 - R-Kare ve Düzeltilmiş R-Kare
R-Kare (R²), modelin bağımlı değişkendeki varyansın ne kadarını açıkladığını gösteren bir ölçüttür.
| R-Kare Değeri | Anlamı |
|---|---|
| 0.00 - 0.30 | Zayıf açıklama gücü |
| 0.31 - 0.50 | Orta açıklama gücü |
| 0.51 - 0.70 | İyi açıklama gücü |
| 0.71 - 0.90 | Çok iyi açıklama gücü |
| 0.91 - 1.00 | Mükemmel açıklama gücü |
Uyarı
Çok yüksek R-Kare (0.99+) aşırı uyum (overfitting) sorununa işaret edebilir.
2.3 - Katsayılar (Eğim ve Kesme)
Katsayılar tablosu, her bir bağımsız değişkenin bağımlı değişken üzerindeki etkisini gösterir.
Denklem = 24769,44 + 3,975x
İpucu
Pozitif katsayı doğru orantılı, negatif katsayı ters orantılı ilişkiyi gösterir.
2.4 - P-Değeri ve İstatistiksel Anlamlılık
P-Değeri (p-value), bir değişkenin istatistiksel olarak anlamlı olup olmadığını gösterir. Genellikle 0.05 eşik değer olarak kullanılır.
| p-Değeri | Anlamı | Sonuç |
|---|---|---|
| p < 0.05 | İstatistiksel olarak anlamlı | ✅ Değişken modelde kalmalı |
| p ≥ 0.05 | İstatistiksel olarak anlamlı değil | ❌ Değişken modelden çıkarılabilir |
Örnek Yorum
Reklam: p = 0.001 → ✅ Anlamlı | Çalışan: p = 0.002 → ✅ Anlamlı | Bölge: p = 0.080 → ❌ Anlamlı değil (çıkarılabilir)
Uyarı
p-değeri 0.05'ten büyükse, o değişkenin bağımlı değişken üzerinde anlamlı bir etkisi yoktur.
3. Grafikle Görselleştirme
3.1 - Dağılım Grafiği Oluşturma
Excel'de regresyon analizi sonuçlarını daha iyi anlamak için Dağılım Grafiği (Scatter Plot) ile görselleştirebilirsiniz.
4. Sıkça Sorulan Sorular
01 Excel'de regresyon analizi nasıl yapılır?
Excel'de regresyon analizi için Veri → Veri Çözümleme → Regresyon yolunu izleyin. Y Girişi'ne bağımlı değişkeni, X Girişi'ne bağımsız değişkenleri girin.
02 R-Kare ne anlama gelir?
R-Kare, modelin bağımlı değişkendeki varyansın ne kadarını açıkladığını gösterir. 0.7 üzeri iyi, 0.9 üzeri mükemmel kabul edilir.
03 p-değeri nasıl yorumlanır?
p-değeri 0.05'ten küçükse istatistiksel olarak anlamlıdır. Ne kadar küçükse, değişken o kadar anlamlıdır.
04 Regresyon denklemi nasıl oluşturulur?
Katsayılar tablosundan Kesme ve her değişkenin katsayısını alarak y = a + b₁x₁ + b₂x₂ denklemini oluşturabilirsiniz.
05 Artık (residual) değerler neden önemlidir?
Artıklar, modelin tahmin ile gerçek değerler arasındaki farkı gösterir. Artıkların normal dağılması, modelin iyi kurulduğunu gösterir.
06 Regresyon analizi hangi durumlarda kullanılır?
Satış tahmini, pazar analizi, finansal modelleme ve müşteri davranışı analizi gibi birçok alanda kullanılır.