Een trendlijn beoordelen

Statistische technieken in Tableau

Maarten Van den Broeck

Content Developer at DataCamp

Lineaire en logaritmische modellen

Lineair Lineair model van soortendiversiteit vs. afstand, met een trendlijn.

Logaritmisch Lineair model van soortendiversiteit vs. afstand, met een logaritmische lijn.

Lineair model

Lineair model van soortendiversiteit vs. afstand, met een lineaire trendlijn.

$y=a*x+b$
Regressie: kwantificeer hoe $x$ $y$ laat veranderen
$a$ = helling, $b$ = intercept
$richness = a * distance + b$
$richness = 0.0038 * distance + 13.4$

Residuen en $R^2$ van lineair model

Lineair model van soortendiversiteit vs. afstand, met een lineaire lijn.

Doel: afstand tussen observatie en trendlijn minimaliseren
Die afstand heet een residu
Determinatiecoëfficiënt $R^2$
Voor lineair model is $R^2$ het kwadraat van de correlatiecoëfficiënt
Tussen 0 (slecht) en 1 (best)
$R^2 = 0.33$
Verklaart $n\%$ van de variatie

$R^2$ van het logaritmische model

Lineair model van soortendiversiteit vs. afstand, met een logaritmische lijn.

$R^2 = 0.59$

Residuele standaardfout (RSE)

Gemiddeld verschil tussen observaties en trendlijn
Lineair model: RSE = 3.69
Betrouwbaarheidsinterval is breder bij lage en hoge afstanden

Zelfde eenheid als op de y-as
Logaritmisch model: RSE = 2.91
Betrouwbaarheidsinterval is alleen breder bij zeer grote afstanden

p-waarde

Lineair model

p-waarde = 0.001
Kans van $\frac{1}{1000}$ dat er geen correlatie is
p-waarde < 0.05: model is statistisch significant, past goed bij de data

Logaritmisch model

p-waarde = 0.0001
Kans van $\frac{1}{10000}$ dat er geen correlatie is
Hoe lager de p-waarde, hoe beter, maar p-waarde is niet alles!

Laten we oefenen!

Statistische technieken in Tableau

Preparing Video For Download...