Tableau 十四、回归分析与时间序列分析 Tableau

1.回归分析
1.1线性回归模型及参数解释回归分析是将可能存在相关关系的变量拟合成直线或者曲线，然后据此一方面总结已有数据的规律和特征，另一方面预测数据。
导入数据“人工坐席接听数据.xlsx”
在工作表1，将【人工服务接听量】放入【列】，将【呼入案头总时长(秒)】放入【行】。
点击【分析】，取消【聚合度量】的勾选。

文章图片

第一种添加趋势线方式选择【整个视图】，右击图表——【趋势线】——【显示趋势线】。这样就添加好了线性回归模型。

文章图片

将鼠标悬浮在趋势线上，会出现提示框。

文章图片

参数解释线性回归就是一次方程，比如y=nx+b
R值就是拟合优度，越大越好，R平方值范围是0—1，一般认为0.1上都可以，越大越好。
P值越小越好，常规设置是<0.05，可以调整。P值决定了系数，比如提示框里15.9995的核心程度。
第二种添加趋势线方式【分析】——【趋势线】——【显示趋势线】。

文章图片

第三种添加趋势线方式选择【分析】下【模型】里的【趋势线】，拖到右边图表里，会自动显示趋势线选择框，拖到【线性】里。

文章图片

描述趋势线右击图表空白处——【描述趋势线】，可见公式和系数。

文章图片

选择里面的公式，右击复制，然后关闭。

文章图片

右击图表空白处——【添加注释】——【区域】。

文章图片

复制公式到里面，选择字号大小，点击【确定】。将注释长宽调整到合适位置。

文章图片

文章图片

1.2构建其他回归分析模型

对数回归
幂回归
指数回归
多项式回归

对数回归重命名工作表1为“线性回归”，复制该工作表，重命名为“对数回归”
右击图表空白——【趋势线】——【编辑趋势线】
或者右击图表里的趋势线——【编辑趋势线】。

文章图片

或者点击趋势线，点击【编辑】。

文章图片

勾选【对数】，选择【确定】。

文章图片

鼠标悬浮在趋势线上，可见公式，里面的人工服务接听量属于解释变量。
R平方值小于上面的线性，说明不如线性的好。

文章图片

右击图表空白处——【描述趋势线】，可见公式和系数。
选择里面的公式，右击复制，然后关闭。
双击原来的注释，将公式粘贴进去。

文章图片

指数回归复制工作表【对数回归】，重命名为【指数回归】。
点击趋势线，点击【编辑】，勾选【指数】。

文章图片

鼠标悬浮在趋势线上，可见公式。
R平方值大于上面的对数，说明比对数的好。

文章图片

右击图表空白处——【描述趋势线】，可见公式和系数。
选择里面的公式，右击复制，然后关闭。
双击原来的注释，将公式粘贴进去。

文章图片

为什么这里的指数回归的R平方值比对数回归的要好？
因为指数回归线下部的数据占比非常少，对拟合结果的影响非常非常小。

文章图片

比如以人工服务接听量等于120为界限，大于120的为异常数据，创建一个计算字段计算异常数据的占比是多少。
计算字段比较右击【人工服务接听量】——【创建】——【计算字段】

文章图片

修改字段名称为【人工服务接听量异常区分】，输入公式IF [人工服务接听量]>120 THEN "异常数据" ELSE "正常数据" END
将【人工服务接听量异常区分】拖入到【颜色】。

文章图片

新建工作表4。
将【人工服务接听量异常区分】拖到【列】，将【记录数】拖到【行】。
将【记录数】拖到【标签】，右击【总和(记录数)】——【快速表计算】——【合计百分比】。

文章图片

可见大于120的异常值只占了3.58%，非常少的比例，对拟合优度影响不大。
一般数据分析中，小于6%的数据可以忽略不计。
参数比较在【指数回归】工作表里，空白处右击——【创建参数】。设置一个参数调整异常数的界定。

文章图片

参数名称是【人工服务接听量异常定义阈值】，点击【范围】，填入最小值80，最大值180，步长10，点击【确定】。

文章图片

右击【人工服务接听量异常区分】——【编辑】，去除数字120，将【人工服务接听量异常定义阈值】拖入到公式里，点击【确定】。
IF [人工服务接听量]>[人工服务接听量异常定义阈值] THEN "异常数据" ELSE "正常数据" END

文章图片

右击【人工服务接听量异常定义阈值】——【显示参数控件】，则右边显示参数控件。

文章图片

开始值是80。点击【工作表4】，可见比例变化，发现占比不是很大。

文章图片

在【指数回归】工作表里可以调整参数，在【工作表4】里可以见比例变化。

文章图片

文章图片

参考线比较拖走【人工服务接听量异常区分】颜色，将【人工服务接听量异常区分】拖到【详细信息】里。

文章图片

右击坐标轴空白处——【添加参考线】，【值】选择【人工服务接听量异常定义阈值(参数)】点击确定。

文章图片

幂回归复制【指数回归】工作表，重命名为【幂回归】。
右击趋势线——【编辑趋势线】，选择【幂】，点击【确定】。

文章图片

鼠标悬浮在趋势线上，可见公式。
R平方值大于以上回归，说明该拟合优度比较好。
P值较小，可以接受。

文章图片

右击图表空白处——【描述趋势线】，可见公式和系数。
选择里面的公式，右击复制，然后关闭。
双击原来的注释，将公式粘贴进去。

文章图片

多项式回归复制【幂回归】工作表，重命名为【多项式回归】。
右击趋势线——【编辑趋势线】，选择【多项式】，【度】的范围是2-8，一般选择3-5，这里选3，点击【确定】。

文章图片

鼠标悬浮在趋势线上，可见公式。
R平方值一般，说明该拟合优度一般。
P值较小，可以接受。

文章图片

右击图表空白处——【描述趋势线】，可见公式和系数。
选择里面的公式，右击复制，然后关闭。
双击原来的注释，将公式粘贴进去，字号选择10。

文章图片

如何评定一个回归分析模型的好坏？ R平方值就是拟合优度，越大越好(在0到1之间)，一般0.4或0.5以上是可以接受的。
P值就是显著性水平，一般设置小于5%，也就是0.05。
2.时间序列分析
时间序列分析预测是对Tableau内嵌周期性数据的一个预测功能。能够自动拟合预测模型，分析数据的变化规律和预测数据，能够对预测模型的参数进行调整，然后评价预测模型的精度。
2.1创建人工服务接听量预测曲线新建工作表7。
将【人工服务接听量】拖到【行】，将【日期】拖到【列】。

文章图片

点击【日期】下拉框，选择【天】。

文章图片

重命名工作表7为【时间序列分析】。
时间序列分析或时间预测本质上是利用原始的时间数据，来拟合出一个模型，研究数据的发展变化的规律，从而得出观测数据的统一特征。找到这个特征，再依据拟合出的模型，外推一个时间段内的数值。
时间序列分析能够识别以周为周期还是以月为周期的匹配情况。
图表的空白处右击——【预测】——【显示预测】。

文章图片

默认情况下是一条直线，是因为没有进行参数设置。
2.2预测选项设置 【Tableau 十四、回归分析与时间序列分析】图表的空白处右击——【预测】——【预测选项】。
【精确】选择【天】，【直至】选择【9】【天】，【季节】选择【累加】，点击【确定】。
【精确】可以按照天、周、月、季度、年等预测。
【直至】是预测的结束范围。
谨慎注意【用零填充缺少值】，如果缺少值是关键时间点的数值的话，会影响模型，一般会回到原始数据中填写。
【趋势】只有不变、增加或减少三种趋势，没有先增后减，或先减后增等情形。
【季节】就是周期的意思。
【显示预测区间】跟P值有关系，计算方法是1-P=预测区间。