Menilai garis tren

Teknik Statistik di Tableau

Maarten Van den Broeck

Content Developer at DataCamp

Model linear dan logaritmik

Linear Model linear kekayaan spesies vs. jarak, dengan garis tren.

Logaritmik Model linear kekayaan spesies vs. jarak, dengan garis logaritmik.

Model linear

Model linear kekayaan spesies vs. jarak, dengan garis tren linear.

$y=a*x+b$
Regresi: mengukur bagaimana $x$ menyebabkan $y$ berubah
$a$ = kemiringan, $b$ = intersep
$richness = a * distance + b$
$richness = 0.0038 * distance + 13.4$

Residual dan $R^2$ model linear

Model linear kekayaan spesies vs. jarak, dengan garis linear.

Tujuan: meminimalkan jarak antara observasi dan garis tren
Jarak ini disebut residual
Koefisien determinasi $R^2$
Untuk model linear, $R^2$ = kuadrat koefisien korelasi
Antara 0 (terburuk) dan 1 (terbaik)
$R^2 = 0.33$
Menjelaskan $n\%$ variasi

$R^2$ model logaritmik

Model linear kekayaan spesies vs. jarak, dengan garis logaritmik.

$R^2 = 0.59$

Residual standard error (RSE)

Selisih rata-rata antara nilai teramati dan garis tren
Model linear: RSE = 3.69
Interval kepercayaan lebih lebar pada jarak rendah dan tinggi

Satuan sama dengan sumbu y
Model logaritmik: RSE = 2.91
Interval kepercayaan hanya lebih lebar pada jarak sangat tinggi

p-value

Model linear

p-value = 0.001
Peluang $\frac{1}{1000}$ tidak ada korelasi
p-value < 0.05: model signifikan secara statistik, sesuai dengan data

Model logaritmik

p-value = 0.0001
Peluang $\frac{1}{10000}$ tidak ada korelasi
Semakin kecil p-value semakin baik, tetapi p-value bukan segalanya!

Ayo berlatih!

Teknik Statistik di Tableau

Preparing Video For Download...