优阅达 | Tableau 微课堂（32）：趋势线应用

趋势线应用

趋势，可以提供重要的分析见解。例如在这里回答：风速增加时，我们的发电量会提高多少？我们理解这里的关系，当风速增加时，发电量也会增加。但具体如何增加呢？

添加趋势线

在视图中，添加趋势线非常简单。单击分析窗格，然后将趋势线拖至所要的模型类型。

移除趋势线，也一样简单。只需将其拖出视图。但我们需要趋势线，因此，要撤销刚才的操作。

设置趋势线选项

默认情况下，趋势线是按“区”和按“颜色”的。

回到数据标签，如果将另一个维度放入视图，如“位置”，我们会得到按“区”或按“散点图”生成的趋势线。

同样，如果我们要将“位置”移到“颜色”，趋势线将分成3根。

如果我们希望在颜色上看到地点，但是，只有一个总体趋势，我们可以修改趋势线。编辑趋势线，只需要轻松点击右键，选择“趋势线—编辑趋势线”。

取消选中“允许按颜色绘制趋势线”，将恢复为一根总体趋势线。我们还可以取消选中“显示置信区间”来简化视图。

在此对话框中，还可以进行多项其他操作。首先，是模型类型。这些选项，与我们最初从分析窗格调出趋势线时出现的选项相同。这些选项告诉Tableau 根据一个或两个变量的这种转换，构建线性回归模型。

线性是指系数，而不是变量的关系。关于模型类型和转换，关于趋势线模型类型的在线帮助文章提供了一些很有用的信息。

显示“置信区间”，显示模型95%的置信区间。我们还可以选择强制让Y节点位于0处。

评估趋势线

评估趋势线是否提供了有价值的信息，这一点很重要。悬停在趋势线上，会显示工具提示，上面有趋势线等式、P值和R平方值。

在统计学中，P值是表示显著性概念的数字：

如果P值＜截断值，通常是0.05，即表示结果解释为显著。

较大的P值，范围在0-1之间，可能表示数据中的明显趋势纯属偶然，而不是模型中的因素造成的。

在本示例中，趋势线的P值很小，这是理想的。

然而，要正确评估模型是否有很好的拟合度，我们需要知道的不仅仅是P值，我们还有R平方值。

该值实际上告诉我们，模型与数据的拟合程度有多高。R平方值的变化范围是0-1，值越高越好。

我们看到，示例中的R平方值很高，达到了0.956，这表示我们的模型与数据有良好的拟合度。

R平方值为1，表示完美拟合。但是请注意，如果您的R平方值高得不可思议，例如0.999，您的模型可能具有误导性。

人为的高R平方值的一个常见标志是低自由度，或者具有过多的观测点。为了确定趋势线是否准确表示了数据，只有一个很小的P值或很大的R平方值还不够。我们的数据点，不会全部落在预测的趋势线上。

残差图

从给定点，到其预测值的距离，就是误差。或者说，残差。在正确的模型中，如果对照解释变量进行绘制，这些残差应该是围绕0线随机正态分布的。如果此残差图不是正态分布，那就表示存在数值与预测值不符的趋势，这意味着模型不是最佳模型。

若要获得带趋势线视图的残差值，转至“工作表—导出—数据”，

此时系统将提示我们保存文件。唯一的格式选项是“Microsoft Access”,我们将其命名为“趋势线残差”，然后单击保存。

我们选择导出后连接。

此数据源包含我们来自散点图的原始数据，以及预测值，来自趋势线和残差。

残差图构造为，解释变量为横轴，风速在列上。残差在纵轴，在行上。

我们要将“风车”移至“详细级别”。

请记住，好的模型，在0周围，呈正态分布。很明显，我们目前的模型，在根据风速值预测发电量方面不是很好。虽然趋势线有不错的P值和R平方值，残差图却很糟糕。

本节 Tableau 微课堂到此结束，感谢你的耐心阅读。

下节课将带你学习 预测 。