Ocena linii trendu

Techniki statystyczne w Tableau

Maarten Van den Broeck

Content Developer at DataCamp

Modele liniowy i logarytmiczny

Liniowy Model liniowy bogactwa gatunkowego a odległość, z linią trendu.

Logarytmiczny Model liniowy bogactwa gatunkowego a odległość, z linią logarytmiczną.

Model liniowy

Model liniowy bogactwa gatunkowego a odległość, z linią trendu.

$y=a*x+b$
Regresja: określa, jak $x$ wpływa na zmianę $y$
$a$ = nachylenie, $b$ = wyraz wolny
$richness = a * distance + b$
$richness = 0.0038 * distance + 13.4$

Reszty i $R^2$ modelu liniowego

Model liniowy bogactwa gatunkowego a odległość, z linią liniową.

Celem jest minimalizacja odległości między obserwacją a linią trendu
Odległość ta nazywana jest resztą
Współczynnik determinacji $R^2$
Dla modelu liniowego $R^2$ = kwadrat współczynnika korelacji
Od 0 (najgorszy) do 1 (najlepszy)
$R^2 = 0.33$
Wyjaśnia $n\%$ wariancji

$R^2$ modelu logarytmicznego

Model liniowy bogactwa gatunkowego a odległość, z linią logarytmiczną.

$R^2 = 0.59$

Resztowy błąd standardowy (RSE)

Średnia różnica między wartościami obserwowanymi a linią trendu
Model liniowy: RSE = 3,69
Przedział ufności jest szerszy przy małych i dużych odległościach

Ta sama jednostka co na osi y
Model logarytmiczny: RSE = 2,91
Przedział ufności jest szerszy tylko przy bardzo dużych odległościach

p-value

Model liniowy

p-value = 0,001
Prawdopodobieństwo $\frac{1}{1000}$, że brak korelacji
p-value < 0,05: model jest istotny statystycznie, dobrze dopasowany

Model logarytmiczny

p-value = 0,0001
Prawdopodobieństwo $\frac{1}{10000}$, że brak korelacji
Im niższe p-value, tym lepiej, ale p-value to nie wszystko!

Czas na ćwiczenia!

Techniki statystyczne w Tableau

Preparing Video For Download...