IBM Lotus Symphony
|
Regressiokäyristä käytetään myös nimitystä suuntaviivat, ja niitä voidaan lisätä kaikkiin kaksiulotteisiin kaaviolajeihin ympyrä- ja pörssikaavioita lukuun ottamatta.
Tämän komennon käyttö... |
Keskiarvoviivat ovat erityisiä suuntaviivoja, jotka esittävät keskiarvon. Voit lisätä keskiarvoviivan kaikkiin tietosarjoihin valitsemalla vaihtoehdot
.
![]() |
Jos lisäät suuntaviivan kaaviolajiin, johon liittyy luokkia (kuten Viiva- tai Sarakekaavioon), ohjelma käyttää numeroita 1, 2, 3, ... x-arvoina suuntaviivan laskemiseen. |
Jos haluat lisätä suuntaviivat kaikkiin arvosarjoihin, siirry muokkaustilaan kaksoisnapsauttamalla kaaviota. Valitse vaihtoehdot
ja valitse sitten jokin seuraavista suuntaviivan lajeista: Ei mitään, Lineaarinen, Logaritminen, Eksponentiaalinen tai Potenssi.Jos haluat poistaa yksittäisen suuntaviivan tai keskiarvoviivan, napsauta käyrää ja paina Del-näppäintä.
Jos haluat poistaa kaikki suuntaviivat, valitse ensin vaihtoehdot Ei mitään.
ja sitten vaihtoehto
![]() |
Suuntaviiva näkyy selitteessä automaattisesti. |
Kun kaavio on muokkaustilassa, Lotus Symphony näyttää suuntaviivan yhtälön ja korrelaatiokertoimen R². Jos napsautat suuntaviivaa, tiedot tulevat näkyviin tilariville.
Jos haluat määrittää, että suuntaviivan yhtälö on näkyvissä, valitse Näytä yhtälö -valintaruutu Suuntaviivat-valintaikkunasta.
Jos haluat määrittää, että korrelaatiokerroin on näkyvissä, valitse Näytä korrelaatiokerroin (R²) -valintaruutu Suuntaviivat-valintaikkunasta.
![]() |
Jos kyseessä on luokkakaavio (esimerkiksi viivakaavio), ohjelma laskee regressiotiedot käyttämällä x-arvoina numeroita 1, 2, 3... . Tämä pätee myös, jos arvosarjassa käytetään muita numeroita x-arvojen niminä. Tällaisia kaavioita varten XY-kaaviolaji saattaa olla parempi vaihtoehto. |
Voit laskea parametrit myös käyttämällä Lotus Symphony Spreadsheets -funktioita seuraavasti.
Lineaarinen regressio lasketaan yhtälöllä y=m*x+b.
m = KULMAKERROIN(tiedot_Y;tiedot_X)
b = LEIKKAUSPISTE(tiedot_Y ;tiedot_X)
Voit laskea selitysasteen seuraavasti:
r² = PEARSON_NELIÖ(tiedot_Y; tiedot_X)
Tietojen m, b ja r² lisäksi LINREGR-taulukkofunktiolla saa myös lisää tilastotietoja regressioanalyysiä varten.
Logaritminen regressio lasketaan yhtälöllä y=a*ln(x)+b.
a = KULMAKERROIN(tiedot_Y;LN(tiedot_X))
b = LEIKKAUSPISTE(tiedot_Y ;LN(tiedot_X))
r² = PEARSON_NELIÖ(tiedot_Y;LN(tiedot_X))
Eksponentiaalisten regressiokäyrien yhteydessä ilmenee muutos lineaariseen malliin. Optimaalinen käyrän sovitus liittyy lineaariseen malliin, ja ohjelma tulkitsee tulokset vastaavasti.
Eksponentiaalinen regressio noudattaa yhtälöä y=b*exp(a*x) tai y=b*m^x, jotka muuntuvat muotoon ln(y)=ln(b)+a*x ja ln(y)=ln(b)+ln(m)*x.
a = KULMAKERROIN(LN(tiedot_Y);tiedot_X)
Ohjelma laskee toisen muunnoksen muuttujat seuraavasti:
m = EKSPONENTIAALI(KULMAKERROIN(LN(tiedot_Y);tiedot_X))
b = EKSPONENTIAALI(LEIKKAUSPISTE(LN(tiedot_Y);tiedot_X))
Voit laskea selitysasteen seuraavasti:
r² = PEARSON_NELIÖ(LN(tiedot_Y);tiedot_X)
Tietojen m, b ja r² lisäksi LOGREGR-taulukkofunktiolla saa myös lisää tilastotietoja regressioanalyysiä varten.
Potenssiregressiokäyrien yhteydessä ilmenee muutos lineaariseen malliin. Potenssiregressio noudattaa yhtälöä y=b*x^a, joka muuntuu muotoon ln(y)=ln(b)+a*ln(x).
a = KULMAKERROIN(LN(tiedot_Y);LN(tiedot_X))
b = EKSPONENTIAALI(LEIKKAUSPISTE(LN(tiedot_Y);LN(tiedot_X))
r² = PEARSON_NELIÖ(LN(tiedot_Y);LN(tiedot_X))
Suuntaviivan laskentatapa ottaa huomioon vain arvoparit, joilla on seuraavat arvot:
logaritminen regressio: vain positiiviset x-arvot otetaan huomioon,
eksponentiaalinen regressio: vain positiiviset y-arvot otetaan huomioon,
potenssiregressio: vain positiiviset x-arvot ja positiiviset y-arvot otetaan huomioon.
Aineisto tulee muuntaa vastaavasti. On parasta käyttää alkuperäisten tietojen kopiota ja muuntaa kopioidut tiedot.
Polynomiaalisen regression käyrää ei voi lisätä automaattisesti. Käyrä on laskettava manuaalisesti.
Luo taulukko, jossa on sarakkeet x, x², x³, ... , xn, y, haluttuun asteeseen n saakka.
Käytä kaavaa =LINREGR(tiedot_Y,tiedot_X) niin, että tiedot_x-kohdassa on koko arvojoukko x–xn (ilman otsikkoja).
LINREGR-funktion ensimmäinen tulosrivi sisältää regressiopolynomin kertoimet, niin että vasemmassa reunassa on kerroin xn.
LINREGR-funktion kolmannen tulosrivin ensimmäinen osa on kohteen r² arvo. LINREGR-funktion tiedoissa on ohjeet muiden tulosparametrien käytöstä sekä tulosparametrien kuvaukset.