3.4.3.3 Возможности использования графических опций программы ms excel для решения задач регрессионного анализа
Линии тренда, аппроксимирующие экспериментальные данные, представляют собой графические представления регрессионных моделей. Построение линии тренда инициируется нажатием правой кнопки мыши на одну из точек ряда данных предварительно построенного графика (рис. 5.1).
Рис. 5.1. Опции, открывающиеся при нажатии правой кнопки мыши на ряд данных
После нажатия «Добавить линию тренда» открываются большие возможности выбора типа регрессионной зависимости: линейного, логарифмического, экспоненциального, степенного или полиномиального до шестой степени включительно (рис. 5.2).
Кроме того, появляется возможность использовать опцию «Линейная фильтрация», которая при правильном использовании должна сглаживать отклонения в данных и более чётко показывать форму линии тренда. Число точек, образующих линию тренда с линейной фильтрацией (Скользящее среднее. Последовательность средних значений, вычисленных по частям рядов данных. На диаграмме линия, построенная по точкам скользящего среднего, позволяет построить сглаженную кривую, более ясно показывающую закономерность в развитии данных.), равно общему числу точек ряда за вычетом числа, указанного для параметра «Точки». Если линейная фильтрация добавляется к точечной диаграмме, она базируется на порядке расположения значений X в диаграмме. Поэтому для получения нужного результата перед добавлением линейной фильтрации, возможно, потребуется отсортировать значения X.
Рис. 5.2. Окно, открывающеся при выборе опции «Добавить линию тренда»
Для более развёрнутой характеристики выбранной модели и построенной линии тренда служит опция «Параметры». Она позволяет «заказать» для выбранной линии тренда представление на диаграмме уравнения регрессии и коэффициента детерминации R2. Опция «Параметры» открывается на второй вкладке окна «Линия тренда» (рис. 5.2) или вкладке окна «Формат линии тренда» (рис. 5.3), которое открывается нажатием правой кнопки мыши на уже построенную линию тренда.
В данном случае за отсутствием суммы квадратов остатков R2 - единственная, но действенная характеристика точности аппроксимации. Перебором различных линий тренда с определением их коэффициентов детерминации можно быстро выбрать оптимальную модель.
Уравнение линии тренда округляется, что делает его удобочитаемым, но число десятичных знаков в подписи выбранной линии тренда (и R2) можно изменить в поле «Число десятичных знаков» на вкладке «Число» диалогового окна «Формат подписи данных». (При этом должен быть выбран числовой формат «Числовой».) Окно открывается нажатием правой кнопки мыши на уравнение регрессии (или R2) или через меню «Формат» - «Выделенные подписи данных».
Рис. 5.3. Опция «Параметры» в окне «Формат линии тренда»
Как видно из рис. 5.3, дополнительная опция «Прогноз» позволяет осуществлять экстраполяцию линии тренда на заданное количество «периодов» или «единиц» по оси абсцисс «вперёд» и «назад».
Таким образом, с использованием графических опций можно существенно расширить возможности программы MS EXCEL в области регрессионного анализа и применять нелинейную регрессию в её многообразных вариантах. Однако множественный регрессионный анализ в рамках программы MS EXCEL за исключением, разумеется, возможностей функций ЛГРФПРИБЛ и РОСТ (см. подраздел 4.4), может быть только линейным.
- Методология исследования, моделирования и совершенствования производственных процессов
- Оглавление
- Глава 1 Общие сведения о методологии научного познания……………….6
- Глава 2 Моделирование как метод научного познания………………………11
- Глава 3 Исследование взаимосвязи случайных величин…………….22
- Глава 4 Способы экспериментальных исследований…………………88
- Глава 5 Некоторые современные достижения интеллектуальных информационных систем и программных средств в области анализа связи величин
- Введение
- Глава 1. Общие сведения о методологии научного познания
- 3. Статистический.
- 7. Экспериментальный.
- Глава 2 Моделирование как метод научного познания
- 2.1 Этапы построения, свойства, цели и классификация моделей
- 2.2 Концепции и инструменты оптимизации математических моделей
- 2.3 Принципы анализа математических моделей
- Глава 3. Исследование взаимосвязи случайных величин
- 3.1 Основные представления о корреляционном, дисперсионном и регрессионном анализах
- 3.2 Корреляционный анализ
- 3.2.1 Обзор характеристик «тесноты» связи
- 3.2.2. Формулы расчёта основных характеристик связи
- 3.2.3. Области определения и способы оценки достоверности коэффициентов связи случайных величин
- 3.2.4 Методы корреляции порядковых (ординальных) и номинальных (категориальных) переменных
- 3.2.5 Функции и инструменты ms excel, предназначенные для расчёта коэффициентов ковариации, корреляции и детерминации
- 3.3 Дисперсионный анализ
- 3.3.1. Виды классического дисперсионного анализа
- 3.3.2. Инструменты программы ms excel, предназначенные для дисперсионного анализа
- 3.3.2.1. «Однофакторный дисперсионный анализ»
- 3.3.2.2. «Двухфакторный дисперсионный анализ без повторений»
- 3.3.2.3. «Двухфакторный дисперсионный анализ с повторениями»
- 3.3.3. Представление о ступенчатом дисперсионном анализе
- 3.4 К установлению математической модели связи случайных величин
- 3.4.1. Виды регрессионных моделей
- 3.4.2. Способы, принципы и признаки оптимизации регрессии
- 3.4.3 Опции программы ms excel, предназначенные для регрессионного анализа
- 3.4.3.1 Использование инструмента анализа «Регрессия»
- 3.4.3.2 Функции excel, связанные с инструментом «Регрессия»
- 3.4.3.3 Возможности использования графических опций программы ms excel для решения задач регрессионного анализа
- Глава 4 Способы экспериментальных исследований
- 4.1 Пассивный эксперимент
- 4.1.1 Методы анализа результатов пассивного эксперимента
- 4.1.2. Информативность результатов пассивного производственного эксперимента
- 4.2 Планирование эксперимента и методы оптимизации параметров процесса
- 4.2.1 Методология планирования эксперимента
- 4.2.2 Полный факторный эксперимент
- 4.2.3 Дробный факторный эксперимент
- 4.2.4. Центральные композиционные планы
- 4.3 Оптимизация работы объекта управления для одного и нескольких параметров оптимизации для одно- и многоэкстремальной поверхности отклика
- 4. 4 Алгоритмы решения задач установления функциональных зависимостей и оптимизации
- Глава 6
- Глава 7
- Глава 8
- Глава 9 Современные достижения в области промышленной статистики и новые программные средства их реализации.