《为数据选择最佳趋势线》由会员分享，可在线阅读，更多相关《为数据选择最佳趋势线（3页珍藏版）》请在金锄头文库上搜索。
1、为数据选择最佳趋势线趋势线是数据趋势的图形表示形式， 可用于分析预测问题。 这种分析又称为 回归分析 。 通过使用回归分析， 可以将图表中的趋势线延伸至事实数据以外， 预测未来值。 例如， 前面的图表使用预测未来四个季度的简单 对数趋势线 ，清楚地表示未来的收入增长趋势那么，您可能会想：这些趋势线的可靠性有多大？答案涉及一个叫做 R 平方 的概念 或者， 更具体地说， 是 趋势线的 R 平方值 （谈到数学了） 。 R 平方值是一个神奇的数字 在此情况下，是介于 0 和 1 之间的数字。当趋势线的 R 平方值为 1 或者接近 1 时，趋势线最可靠。如果您用趋势线拟和数据，Excel 会根据公式，
2、自动计算它的 R 平方值。如果您需要，还可以在图表中显示该值。请注意， 特定类型的数据具有特定类型的趋势线。 要获得最精确的预测， 为数据选择最合适的趋势线非常重要。线性趋势线：增长或降低速率比较稳定对数趋势线：增长或降低幅度 - 开始比较快，逐渐趋于平缓多项式趋势线：增长或降低的波动较多乘幂趋势线：增长或降低的速度持续增加、且增加幅度比较恒定指数趋势线：增长或降低的速度持续增加、且增加幅度越来越大线性线性趋势线是适用于简单线性数据集的最佳拟合直线。如果数据点构成的图案类似于一条直线，则表明数据是线性的。线性趋势线通常表示事物是以恒定速率增加或减少。在下例中，线性趋势线清楚地显示了 13 年间
3、冰箱销售额一直稳步增长。注意，其 R 平方值为0.9036 ，表明与数据线拟合的相当好。对数如果数据的增加或减小速度很快， 但又迅速趋近于平稳， 那么对数趋势线是最佳的拟合曲线。 对数趋势线可以使用正值和 / 或负值。下例使用对数趋势线说明固定地域内动物数量增长的预测情况， 当动物生活地区相对减少时， 动物数量将趋于平稳。注意，此时 R 平方值是 0.9407 ，表明与数据线拟合的相当好。多项式多项式趋势线是数据波动较大时适用的曲线。 它可用于分析大量数据的偏差。 多项式的阶数可由数据波动的次数或曲线中拐点（峰和谷）的个数确定。二阶多项式趋势线通常仅有一个峰或谷。三阶多项式趋势线通常有一个或两
4、个峰或谷。四阶通常多达三个。下例显示的二阶多项式趋势线（一个波峰）说明了车速和耗油量之间的关系。注意， R 平方值为 0.9474 ，表明与数据线拟合的相当好。乘幂乘幂趋势线是一种曲线， 它最适用于对以特定速度增加的度量值进行比较的数据集， 例如， 赛车一秒时间间隔的加速度。如果数据中含有零或负数值，就不能创建乘幂趋势线。在下例中，通过绘制距离（米） / 时间（秒）的曲线，在图表中显示加速度的数据。乘幂趋势线清楚地显示了加速度的增长。请注意，其 R 平方值为 0.9923 ，表明该曲线与数据几乎完全吻合。指数指数趋势线是一种曲线， 它适用于速度增减越来越快的数据值。 如果数据值中含有零或负值， 就不能使用指数趋势线。在下例中，指数趋势线用于说明物体中碳 14 含量随时间的衰减情况。注意，此时 R 平方值为1，表明趋势线与数据拟合得很好。移动平均移动平均趋势线平滑处理了数据中的微小波动， 从而更清晰地显示了图案或趋势。 移动平均使用特定数目的数据点（由“周期”选项设置），取其平均值，然后将该平均值作为趋势线中的一个点。例如，如果“周期”设置为 2 ，那么，头两个数据点的平均值就是移动平均趋势线中的第一个点。第二个和第三个数据点的平均值就是趋势线的第二个点，依此类推。下面的示例中，移动平均趋势线显示了 26 个星期内住房销售量的趋势图案。
