Оцінювання трендової лінії

Статистичні методи в Tableau

Maarten Van den Broeck

Content Developer at DataCamp

Лінійні та логарифмічні моделі

Лінійна Лінійна модель видового багатства залежно від відстані з трендовою лінією.

Логарифмічна Лінійна модель видового багатства залежно від відстані з логарифмічною лінією.

Лінійна модель

Лінійна модель видового багатства залежно від відстані з лінійною трендовою лінією.

$y=a*x+b$
Регресія: оцінити, як $x$ змінює $y$
$a$ — кутовий коефіцієнт, $b$ — перетин
$richness = a * distance + b$
$richness = 0.0038 * distance + 13.4$

Залишки та $R^2$ лінійної моделі

Лінійна модель видового багатства залежно від відстані з лінійною лінією.

Мета — мінімізувати відстань між спостереженням і трендовою лінією
Цю відстань називають залишком
Коефіцієнт детермінації $R^2$
Для лінійної моделі $R^2$ — квадрат коефіцієнта кореляції
Між 0 (гірше) і 1 (краще)
$R^2 = 0.33$
Пояснює $n\%$ варіації

$R^2$ логарифмічної моделі

Лінійна модель видового багатства залежно від відстані з логарифмічною лінією.

$R^2 = 0.59$

Стандартна похибка залишків (RSE)

Середня різниця між спостереженнями та трендовою лінією
Лінійна модель: RSE = 3.69
Довірчий інтервал ширший на малих і великих відстанях

Та сама одиниця, що й на осі y
Логарифмічна модель: RSE = 2.91
Довірчий інтервал ширший лише на дуже великих відстанях

p-value

Лінійна модель

p-value = 0.001
Ймовірність $\frac{1}{1000}$ відсутності кореляції
p-value < 0.05: модель статистично значуща, добре підходить до даних

Логарифмічна модель

p-value = 0.0001
Ймовірність $\frac{1}{10000}$ відсутності кореляції
Чим менше p-value, тим краще, але p-value — не все!

Давайте потренуємось!

Статистичні методи в Tableau

Preparing Video For Download...