趋势线的基本原理.pdfVIP

. 趋势线原理 顶 ( 16 ) 最后更新日期： 2014-7-11 有 1 人发表评论 ( 点击查看 ) ? 趋势线的基本原理 ? 趋势线的种类和特点 ? 各种趋势线方程 ? 各种趋势线特点 1. 趋势线的基本原理 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。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。 R 平方值是在此情况下，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， FineReport 会根据公式，自动计算它的 R 平方值。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。 R 平方的值的计算公式如下， 其中 SSE 和 SST 是利用最小二乘法原理 （最小二乘法 （又 称最小平方法） 是一种数学优化技术。 它通过最小化误差的平方和寻找数据的最佳函数匹配。 利用最小二乘法可以简便地求得未知的数据， 并使得这些求得的数据与实际数据之间误差的 平方和为最小。 最小二乘法还可用于曲线拟合。 其他一些优化问题也可通过最小化能量或最 大化熵用最小二乘法来表达）计算： . . 最小二乘法的一种表达式是，利用它可以算出各种趋势线的方程中的常数（ a0 ， a1 就 对应了方程中出现的常数）： 2. 趋势线的种类和特点 2.1 各种趋势线方程 ? 线性 计算由下列公式代表的具有最小方差的直线： 其中， m 代表斜率， b 代表截距。 ? 多项式 使用下列公式计算数据点的最小方差： 其中 b 和 为常量。 ? 对数 使用下列公式计算数据点的最小方差： 其中 c 和 b 为常数，函数 ln 为自然对数。 由于算法原因，拟合方程为对数时，会忽略 X 轴为负值的数据点。 . . ? 指数 使用下列公式计算数据点的最小方差： 其中， c 和 b 为常数， e 为自然对数的底数。 由于算法原因，拟合方程为指数时，会忽略 Y 轴为负值的数据点。 ? 乘幂 使用下列公式计算数据点的最小方差： 其中， c 和 b 为常量。 由于算法原因，拟合方程为幂函数时，会忽略 X ，Y 有负值的点。同时，散点图中，可 能有一个 X 值对应多个 Y 值的情况，在这种情况下拟合方程很可能误差很大。 2.2 各种趋势线特点 线性趋势线：线性趋势线是适用于简单线性数据集合的最佳拟合直线。如果数据点的构 成的趋势接近于一条直线， 则数据应该接近于线性。 线性趋势线通常表示事件以恒定的比率 增加或减少。增长或降低速率比较稳定。 对数趋势线：如果数据一开始的增加或减小的速度很快，但又迅速趋于平稳，那么对数 趋势线则是最