评估趋势线

Tableau 中的统计技术

Maarten Van den Broeck

Content Developer at DataCamp

线性与对数模型

线性

对数

线性模型

• $y=a*x+b$
• 回归：量化 x 对 y 的影响
• $a$ = 斜率，$b$ = 截距
• $richness = a * distance + b$
• $richness = 0.0038 * distance + 13.4$

线性模型的残差与 $R^2$

• 目标：最小化观测与趋势线的距离
• 该距离称为残差
• 判定系数 $R^2$
• 线性模型中，$R^2$ = 相关系数的平方
• 介于 0（最差）与 1（最好）之间
• $R^2 = 0.33$
• 解释变异的 $n\%$

对数模型的 $R^2$

• $R^2 = 0.59$

残差标准误（RSE）

• 观测值与趋势线的平均差异
• 线性模型：RSE = 3.69
• 低、高距离处置信区间更宽

• 与 y 轴单位相同                                       
• 对数模型：RSE = 2.91
• 仅在很高的距离处置信区间更宽

p 值

线性模型

• p 值 = 0.001
• 无相关性的概率为 $\frac{1}{1000}$
• p 值 < 0.05：模型具有统计显著性，拟合良好

对数模型

• p 值 = 0.0001
• 无相关性的概率为 $\frac{1}{10000}$
• p 值越小越好，但 p 值并非全部！

Passons à la pratique !

Tableau 中的统计技术