IBM Lotus Symphony
|
Regressionskurver, også kaldet tendenskurver, kan tilføjes til alle 2D-diagramtyper undtagen lagkagediagrammer og aktiediagrammer.
For at få adgang til denne kommando... |
Middelværdilinjer er særlige tendenslinjer, der viser middelværdien. Brug
til at indsætte middelværdilinjer for alle dataserier. ![]() |
Hvis du indsætter en tendenslinje på en diagramtype, der bruger kategorier, f.eks. Linje eller Søjle, bruges tallene 1, 2, 3, ... som X-værdier til at beregne tendenslinjen. |
Hvis du vil indsætte tendenslinjer for alle dataserier, skal du dobbeltklikke på diagrammet for at skifte til redigeringstilstand. Vælg
, og vælg derefter mellem tendenslinjerne Ingen, Lineær, Logaritmisk, Eksponentiel og Potentiel.Du kan slette en enkelt tendenslinje eller middelværdilinje ved at klikke på linjen og trykke på Del-tasten.
Hvis du vil slette alle tendenslinjer, skal du vælge Ingen.
og derefter vælge ![]() |
En tendenslinje vises automatisk i forklaringen. |
Når diagrammet er i redigeringstilstand, får du tendenslinjens ligning og korrelationskoefficienten R² fra Lotus® Symphony™. Klik på tendenslinjen for at se oplysningerne i statuslinjen.
Du kan få vist ligningen for tendenslinjen ved at markere afkrydsningsfeltet Vis ligning i dialogboksen Tendenslinjer.
Du kan få vist korrelationskoefficienten ved at markere afkrydsningsfeltet Vis korrelationskoefficient (R²) i dialogboksen Tendenslinjer.
![]() |
For et kategoridiagram (f.eks. et linjediagram) beregnes regressionsoplysningerne med tallene 1, 2, 3, ... som X-værdier. Det gælder også, hvis dataserien bruger andre tal som navn på X-værdierne. For disse diagrammer kan XY-diagramtypen være mere velegnet. |
Du kan også beregne parametrene ved hjælp af funktioner i Lotus Symphony Spreadsheets på følgende måde.
Den lineære regression følger ligningen y=m*x+b.
m = STIGNING(Data_Y;Data_X)
b = SKÆRING(Data_Y;Data_X)
Beregn bestemmelseskoefficienten med
r² = FORKLARINGSGRAD(Data_Y;Data_X)
Ud over m, b og r² giver matrixfunktionen LINREGR yderligere statistik til en regressionsanalyse.
Logaritmisk regression følger ligningen y=a*LN(x)+b.
a = STIGNING(Data_Y;LN(Data_X))
b = SKÆRING(Data_Y ;LN(Data_X))
r² = FORKLARINGSGRAD(Data_Y;LN(Data_X))
Ved eksponentielle regressionskurver foretages en transformering til en lineær model. Den optimale kurvetilpasning er relateret til den lineære model, og resultaterne fortolkes i overensstemmelse hermed.
Den eksponentielle regression følger ligningen y=b*EKSP(a*x) eller y=b*m^x, som transformeres til henholdsvis LN(y)=LN(b)+a*x eller LN(y)=LN(b)+LN(m)*x.
a = STIGNING(LN(Data_Y);Data_X)
Variablerne for anden variation beregnes sådan:
m = EKSP(STIGNING(LN(Data_Y);Data_X))
b = EKSP(SKÆRING(LN(Data_Y);Data_X))
Beregn bestemmelseskoefficienten med
r² = FORKLARINGSGRAD(LN(Data_Y);Data_X)
Ud over m, b og r² giver matrixfunktionen LOGREGR yderligere statistik til en regressionsanalyse.
Ved potentielle regressionskurver foretages en transformering til en lineær model. Den potentielle regression følger ligningen y=b*x^a , som transformeres til LN(y)=LN(b)+a*LN(x).
a = STIGNING(LN(Data_Y);LN(Data_X))
b = EKSP(SKÆRING(LN(Data_Y);LN(Data_X))
r² = FORKLARINGSGRAD(LN(Data_Y);LN(Data_X))
I beregningen af tendenslinjen tages kun datapar med følgende værdier i betragtning:
Logaritmisk regression: Kun positive X-værdier medtages
Eksponentiel regression: Kun positive Y-værdier medtages
Potentiel regression: Kun positive X-værdier og positive Y-værdier medtages.
Du bør transformere dine data i overensstemmelse hermed. Det anbefales at arbejde på en kopi af originaldataene og transformere de kopierede data.
Det er ikke muligt at tilføje en polynomial regressionskurve automatisk. Du skal beregne kurven manuelt.
Opret en tabel med kolonnerne x, x², x³, ... , xn, y op til den ønskede grad n.
Brug formlen =LINREGR(Data_Y,Data_X) med hele området x til xn (uden overskrifter) som Data_X.
Første række i LINREGR-resultatet indeholder koefficienterne for regressionspolynomiet med koefficienten xn på positionen yderst til venstre.
Første element i tredje række i LINREGR-resultatet er værdien af r². Under LINREGR findes oplysninger om korrekt brug af funktionen og en forklaring på de andre outputparametre.