Utvärdera en trendlinje

Statistiska tekniker i Tableau

Maarten Van den Broeck

Content Developer at DataCamp

Linjära och logaritmiska modeller

Linjär Linjär modell av artrikedom vs. avstånd, med en trendlinje.

Logaritmisk Linjär modell av artrikedom vs. avstånd, med en logaritmisk linje.

Linjär modell

Linjär modell av artrikedom vs. avstånd, med en linjär trendlinje.

$y=a*x+b$
Regression: kvantifiera hur $x$ påverkar $y$
$a$ = lutning, $b$ = intercept
$richness = a * distance + b$
$richness = 0.0038 * distance + 13.4$

Residualer och $R^2$ för linjär modell

Linjär modell av artrikedom vs. avstånd, med en linjär linje.

Målet är att minimera avståndet mellan observation och trendlinje
Avståndet kallas ett residual
Determinationskoefficient $R^2$
För linjär modell: $R^2$ = korrelationskoefficienten i kvadrat
Mellan 0 (sämst) och 1 (bäst)
$R^2 = 0.33$
Förklarar $n\%$ av variationen

$R^2$ för logaritmisk modell

Linjär modell av artrikedom vs. avstånd, med en logaritmisk linje.

$R^2 = 0.59$

Residualstandardfel (RSE)

Genomsnittligt avstånd mellan observerade värden och trendlinjen
Linjär modell: RSE = 3,69
Konfidensintervallet är bredare vid låga och höga avstånd

Samma enhet som på y-axeln
Logaritmisk modell: RSE = 2,91
Konfidensintervallet är bara bredare vid mycket höga avstånd

p-värde

Linjär modell

p-värde = 0,001
Sannolikhet $\frac{1}{1000}$ att det inte finns någon korrelation
p-värde < 0,05: modellen är statistiskt signifikant och passar data väl

Logaritmisk modell

p-värde = 0,0001
Sannolikhet $\frac{1}{10000}$ att det inte finns någon korrelation
Lägre p-värde är bättre, men p-värdet är inte allt!

Nu kör vi en övning!

Statistiska tekniker i Tableau

Preparing Video For Download...