上一頁|下一頁

SAS Visual Analytics Explorer 中的資料分析 - 概觀

資料分析類型

SAS Visual Analytics 可以讓您執行三種基本的資料分析類型:
相關
識別量值之間的統計關係程度。
最適線條
繪製量值之間關係的模型。最適線條有很多種類型,包含線性最適、二次最適、三次最適和懲罰 B 雲線。
預測
根據統計趨勢評估資料未來的值。

相關

相關識別量值之間的統計關係程度。相關的強度以介於 –1 和 1 之間的數字描述。接近 –1 的值表示很強的負相關、接近 0 的值表示些許或沒有相關,而接近 1 的值則表示很強的正相關。
若要將相關套用到視覺效果,請增加線性最適線條,或選取相關矩陣視覺效果類型。
對於熱圖或簡單散布圖,相關使用視覺效果圖例中的文字標籤識別。選取 關於這些相關結果 可以檢視相關的其他詳細資料 (包含確切相關值)。
若是散布圖矩陣,各標繪圖的相關以標繪圖四周的彩色框線識別。視覺效果圖例顯示色彩值的圖例。選取 關於這些相關結果 可以檢視相關的其他詳細資料 (包含各標繪圖的確切相關值)。
附註: 若是非線性配最適類型,散布圖矩陣顯示其他標繪圖,使用兩個方向顯示變數的各交集。例如:若散布圖矩陣繪製出變數 A、B 和 C,則在套用非線性最適線條之後,則建立 A * B 和 B * A 的標繪圖。
對於相關矩陣,各儲存格的相關使用儲存格背景的色彩識別。視覺效果圖例顯示色彩值的圖例。各儲存格的資料提示顯示相關值。

最適線條

最適線條會繪製量值之間關係的模型。可以將最適線條套用到散布圖和熱圖。
可以將下列幾種最適線條套用到視覺效果:
最適大小
為您的資料選取最適當的模型 (限制、二次函數或三次)。最適大小方法使用回溯變數選取選取顯著的最高位模型。若要查看最終使用的模型,請從視覺效果圖例中選取 關於這些迴歸結果
線性
從線性迴歸演算法建立線性最適線條。線性最適線條產生最能代表兩個量值之間關係的直線。若需要更多關於線性最適線條的資訊,請從視覺效果圖例中選取 關於這些迴歸結果
若是線性最適,則相關自動增加到視覺效果。相關不適用其他最適類型。
二次
建立二次最適線條。二次最適產生使用單一曲線的線條。二次最適線條時常產生使用拋物線形狀的線條。若需要更多關於二次最適線條的資訊,請從視覺效果圖例中選取 關於這些迴歸結果
三次
建立三次最適線條。三次最適線條產生使用兩個曲線的線條。三次最適線條時常產生使用 S 形的線條。若需要更多關於三次最適線條的資訊,請從視覺效果圖例中選取 關於這些迴歸結果
PSpline
建立懲罰 B 雲線。懲罰 B 雲線是一條緊密最適資料的平滑雲線。懲罰 B 雲線可以顯示一條曲率變化多端的複雜線條。若需要更多關於懲罰 B 雲線的資訊,請從視覺效果圖例中選取 關於這些迴歸結果

預測

預測根據統計趨勢評估資料未來的值。預測功能僅可以使用在包含日期或日期時間資料項目的折線圖。
預測會將線條和預測值增加到視覺效果,並增加代表信賴區間的彩色帶狀。例如:95% 信賴區間就是預測模型對於未來值的預測可靠性達 95% 的資料範圍。
檔案總管會自動對於資料檢定多個預測模型,然後選取最佳模型。若要查看已使用哪個預測模型,請從視覺效果圖例中選取 關於這些相關結果
預測模型可以是下列任何一種:
  • 減緩趨勢指數平滑
  • 線性指數平滑
  • 季節性指數平滑
  • 簡易指數平滑
  • Winters 方法 (加法)
  • Winters 方法 (相乘)
附註: 預測會使用標準時間間隔 (例如:一小時的 60 分鐘,一天的 24 小時等) 說明循環模式。如果您的資料使用非標準間隔 (例如:一天有 48 個 30 分鐘的循環),則預測中不會考量循環模式。
上一頁|下一頁|頁面頂端