評估趨勢線

Tableau 的統計技巧

Maarten Van den Broeck

Content Developer at DataCamp

線性與對數模型

線性

對數

線性模型

• $y=a*x+b$
• 迴歸：量化 $x$ 對 $y$ 的影響
• $a$＝斜率，$b$＝截距
• $richness = a * distance + b$
• $richness = 0.0038 * distance + 13.4$

線性模型的殘差與 $R^2$

• 目標：最小化觀測值到趨勢線的距離
• 這個距離稱為殘差（residual）
• 決定係數 $R^2$
• 線性模型中，$R^2$＝相關係數的平方
• 介於 0（最差）與 1（最佳）之間
• $R^2 = 0.33$
• 解釋變異的 $n\%$

對數模型的 $R^2$

• $R^2 = 0.59$

殘差標準誤（RSE）

• 觀測值與趨勢線的平均差距
• 線性模型：RSE = 3.69
• 低距離與高距離處的信賴區間較寬

• 單位與 y 軸相同                                       
• 對數模型：RSE = 2.91
• 僅在非常高的距離處信賴區間較寬

p 值

線性模型

• p 值 = 0.001
• 沒有相關性的機率為 $\frac{1}{1000}$
• p 值 < 0.05：模型具統計顯著性，擬合良好

對數模型

• p 值 = 0.0001
• 沒有相關性的機率為 $\frac{1}{10000}$
• p 值越低越好，但 p 值不是唯一依據！

一起來練習吧！

Tableau 的統計技巧