Hinzufügen von Trendlinien zu einer Visualisierung
Mit der Anzeige von Trendlinien in einer Visualisierung können Sie Trends in Ihren Daten hervorheben. Sie können eine Ansicht veröffentlichen, die Trendlinien enthält, und Sie fügen Trendlinien einer Ansicht hinzu, während Sie sie im Internet bearbeiten.
Wenn Sie einer Ansicht Trendlinien hinzufügen, können Sie deren Darstellung und Verhalten angeben.
Hinzufügen von Trendlinien zur Ansicht
Hinzufügen einer Trendlinie zu einer Visualisierung:
Wählen Sie den Analysebereich.
Ziehen Sie das Element Trendlinie aus dem Analysebereich in die Ansicht, und legen Sie es auf einem der Modelltypen "Linear", "Logarithmisch", "Exponentiell", "Polynomisch" oder "Potenz" ab.
Weiter Information zu diesen Modelltypen finden Sie unter Modelltypen für Trendlinien.
Informationen zum Hinzufügen von Trendlinien (und dazu, wann Sie sie nicht hinzufügen können)
Um einer Ansicht Trendlinien hinzuzufügen, müssen beide Achsen ein Feld enthalten, das als Zahl interpretiert werden kann. Sie können eine Trendlinie z. B. nicht einer Ansicht hinzufügen, die im Container Spalten über eine Dimension Product Category mit Zeichenfolgen und im Container Zeilen über eine Kennzahl Profit verfügt. Sie können eine Trendlinie jedoch einer Ansicht mit dem Umsatz in Abhängigkeit der Zeit hinzufügen, weil sowohl der Umsatz als auch die Zeit als numerische Werte interpretiert werden können.
Für mehrdimensionale Datenquellen enthalten die Datumshierarchien anstelle von Zahlen Zeichenfolgen. Daher sind Trendlinien nicht zulässig. Außerdem lassen die Datumsformate "m/t/jj" und "mmmm jjjj" in allen Datenquellen keine Trendlinien zu.
Falls Sie Trendlinien aktiviert haben und die Ansicht so ändern, dass Trendlinien nicht zulässig sind, werden die Trendlinien nicht angezeigt. Wenn Sie die Ansicht wieder in einen Zustand versetzen, in dem Trendlinien zulässig sind, werden diese wieder angezeigt.
In Tableau werden Balkenmarkierungen in vielen Fällen automatisch gestapelt. Trendlinien können für gestapelte Balken nicht aktiviert werden. Sie können gestapelte Markierungen deaktivieren, indem Sie die Option Analyse > Markierungen stapeln deaktivieren.
Bearbeiten einer Trendlinie
Sobald Sie eine Trendlinie zur Visualisierung hinzugefügt haben, können Sie sie an Ihre Analyse anpassen.
Bearbeiten einer Trendlinie:
In Tableau Desktop: Klicken Sie mit der rechten Maustaste auf eine Trendlinie in der Visualisierung, und wählen Sie dann die Option Trendlinien bearbeiten aus.
Im Webbearbeitungsmodus:
- Klicken Sie in der Visualisierung auf die Trendlinie und zeigen Sie dann mit der Maus darauf.
- Wählen Sie in der angezeigten Quickinfo Bearbeiten aus, um das Dialogfeld Trendlinienoptionen zu öffnen.
Hinweis: Um eine Trendlinie in Tableau Cloud oder Tableau Server bearbeiten zu können, müssen Sie eine Berechtigung für die Webbearbeitung haben.
Im Dialogfeld "Trendlinienoptionen" können Sie die folgenden Optionen konfigurieren:
Wählen Sie einen Modelltyp. Weitere Informationen finden Sie unter Modelltypen für Trendlinien.
Wählen Sie aus, welche Felder im Trendlinienmodell als Faktoren verwendet werden sollen. Weitere Informationen finden Sie unter Auswählen der Felder zur Verwendung im Trendlinienmodell als Faktoren
- Bestimmen Sie mit der Option Eine Trendlinie pro Farbe zulassen, ob Farbe ausgeschlossen werden soll. Wenn die Ansicht Farbcodierungen enthält, können Sie diese Option zum Hinzufügen einer einzelnen Trendlinie verwenden, die alle Daten modelliert und bei der die Farbcodierung ignoriert wird.
Legen Sie die Option Konfidenzbänder anzeigen fest. In Tableau-Konfidenzbändern werden standardmäßig obere und untere 95-%-Konfidenzlinien angezeigt, wenn Sie Trendlinien hinzufügen. Für exponentielle Modelle werden Konfidenzlinien nicht unterstützt.
Geben Sie an, ob y-Achsenabschnitt bei null erzwingen festgelegt werden soll. Diese Option ist nützlich, wenn Sie genau wissen, dass die Trendlinie bei null beginnen soll. Diese Option ist nur verfügbar, wenn sowohl der Container Zeilen als auch der Container Spalten ein fortlaufendes Feld enthalten, wie bei einem Streudiagramm.
Legen Sie beim Auswählen oder Hervorheben von Daten in der Visualisierung fest, ob neu berechnete Linien angezeigt werden sollen.
Auswählen der Felder zur Verwendung im Trendlinienmodell als Faktoren
Bei Trendmodellen, die mehrere Felder berücksichtigen, können Sie bestimmte Felder als Faktoren im Trendlinienmodell eliminieren.
Es kann häufig vorkommen, dass Sie Faktoren entfernen möchten, weil das Trendlinienmodell auf der gesamten Zeile in der Tabelle basieren soll und nicht nach den Elementen oder Werten eines Felds unterteilt werden soll. Sehen Sie sich das folgende Beispiel an. Die Ansicht unten zeigt die Monatsumsätze für verschiedene Produktkategorien nach Region.
Wie Sie sehen, wurde für jede Region ein separates Modell erstellt.
Entfernen Sie jetzt Region als Faktor im Modell, indem Sie die Option im Dialogfeld "Trend Lines Options" (Trendlinienoptionen) deaktivieren.
Sie sehen, dass das Trendlinienmodell in einer Kategorie jetzt für alle Regionen übereinstimmt. So können Sie den tatsächlichen Umsatz mit einer Trendlinie vergleichen, die für alle Regionen übereinstimmt.
Entfernen von Trendlinien
Zum Entfernen einer Trendlinie aus einer Visualisierung ziehen Sie sie aus dem Visualisierungsbereich heraus. Sie können auch auf eine Trendline klicken und Entfernen wählen.
Wenn Sie alle Trendlinien aus der Ansicht entfernen möchten, wählen Sie Analyse >Trendlinien >Trendlinien anzeigen.
Hinweis: In Tableau Desktop werden Trendlinienoptionen beibehalten. Demzufolge sind die Optionen identisch mit der letzten Festlegung, wenn Sie im Menü "Analyse" erneut die Option Trendlinien anzeigen wählen. Falls Sie die Arbeitsmappe jedoch mit deaktivierten Trendlinien schließen, werden die Trendlinienoptionen auf die Standardeinstellungen zurückgesetzt.
Anzeigen einer Beschreibung einer Trendlinie oder eines Trendlinienmodells
Nach dem Hinzufügen von Trendlinien können Sie Statistikwerte auf der Trendlinie anzeigen. Sie können zum Beispiel die Formel sowie die r-Quadrat- und p-Werte anzeigen. Weitere Informationen zu den Modelltypen und in den Beschreibungen verwendeten Begriffen finden Sie in den Abschnitten Trendlinienmodell-Begriffe und Modelltypen für Trendlinien.
Anzeigen einer Beschreibung einer Trendlinie:
- Zeigen Sie mit der Maus auf irgendeinen Teil einer Trendlinie, um eine entsprechende Beschreibung anzuzeigen.
Nur Tableau Desktop
- Klicken Sie in der Visualisierung mit der rechten Maustaste auf die Trendlinie, und wählen Sie Trendlinie beschreiben aus.
Anzeige einer vollständigen Beschreibung des Modells, das in der aktuellen Ansicht verwendet wird:
- Klicken Sie in der Visualisierung mit der rechten Maustaste auf eine Trendlinie, und wählen Sie Trendmodell beschreiben aus.
Modelltypen für Trendlinien
Diese Modelltypen sind für Trendlinien verfügbar: Linear, Logarithmisch, Exponentiell, Potenz und Polynomisch.
In der folgenden Formel steht X für die erklärende Variable und Y für die Antwortvariable.
Linear
Beim linearen Modelltyp lautet die Formel wie folgt:
Y = b0 + b1 * X
wobei b1 die Steigung und b0 der Linienabschnitt ist.
Logarithmisch
Beim logarithmischen Modelltyp lautet die Formel wie folgt:
Y = b0 + b1 * ln(X)
Da ein Logarithmus nicht für Zahlen unter Null definiert ist, werden Markierungen, für die die erklärende Variable negativ ist, vor der Schätzung für das Modell gefiltert. Vermeiden Sie Modelle, bei denen Daten ausgeschieden werden, es sei denn, Sie sind sich sicher, dass die herausgefilterten Daten tatsächlich ungültig sind. In der Trendlinienbeschreibung wird gemeldet, wie viele Markierungen vor der Modellschätzung gefiltert wurden.
Exponentiell
Beim exponentiellen Modelltyp lautet die Formel wie folgt:
Y = exp(b0)* exp(b1 * X)
Bei einem exponentiellen Modell wird die Antwortvariable vor der Schätzung für das Modell durch den natürlichen Logarithmus umgewandelt, sodass die Markierungen, die in der Ansicht geplottet werden, dadurch ermittelt werden, dass verschiedene erklärende Werte eingesetzt werden, um Werte für ln(Y) zu finden.
ln(Y) = b0 + b1 * X
Diese Werte werden dann potenziert, um die Trendlinie zu plotten. Das Ergebnis ist das exponentielle Modell in folgender Form:
Y = b2*exp(b1 * X)
wobei b2 der Wert von exp(b0) ist. Da ein Logarithmus nicht für Zahlen unter Null definiert ist, werden Markierungen, für die die Response-Variable negativ ist, vor der Schätzung für das Modell gefiltert.
Potenz
Beim Potenz-Modell lautet die Formel wie folgt:
Y = b0 * X^b1
Beim Potenz-Modell werden beide Variablen vor der Schätzung des Modells durch den natürlichen Logarithmus umgewandelt, was zu folgender Formel führt:
ln(Y) = ln(b0) + b1 * ln(X)
Diese Werte werden dann potenziert, um die Trendlinie zu plotten.
Da ein Logarithmus nicht für Zahlen unter null definiert ist, werden Markierungen, für die die Antwortvariable oder die erklärende Variable negativ ist, vor der Schätzung für das Modell gefiltert.
Polynomisch
Beim polynomischen Modelltyp wird die Response-Variable in eine polynomische Reihe des angegebenen Grads umgewandelt. Die Formel lautet:
Y = b0 + b1 * X + b2 * X^2 + …
Bei einem polynomischen Modelltyp müssen Sie außerdem eine Gradzahl zwischen 2 und 8 auswählen. Höhere Polynomgrade bewirken, dass die Unterschiede zwischen den Werten in den Daten deutlicher hervorgehoben werden. Wenn sich die Daten schnell vergrößern, ergibt sich bei den Elementen niedriger Ordnung möglicherweise im Vergleich zu den Elementen höherer Ordnung nahezu keine Variation, sodass eine genaue Schätzung nicht möglich ist. Polynomische Modelle mit einer komplizierten höheren Ordnung erfordern mehr Daten für die Schätzung. Überprüfen Sie die Modellbeschreibung der einzelnen Trendlinien. Eine rote Warnmeldung weist darauf hin, dass ein genaues Modell dieses Typs nicht möglich ist.
Trendlinienmodell-Begriffe
Beim Anzeigen des Beschreibung für ein Trendlinienmodell werden mehrere Werte aufgeführt. In diesem Abschnitt wird erläutert, was die einzelnen Werte bedeuten.
Modellformel
Dies ist die Formel für das vollständige Trendlinienmodell. Die Formel spiegelt wider, ob Sie angegeben haben, dass Faktoren aus dem Modell ausgeschlossen werden sollen.
Anzahl an modellierten Beobachtungen
Die Anzahl der in der Ansicht verwendeten Zeilen.
Anzahl an gefilterten Beobachtungen
Die Anzahl der aus dem Modell ausgeschlossenen Beobachtungen.
Modellfreiheitsgrad
Die Anzahl der Parameter, die zur vollständigen Spezifikation des Modells erforderlich sind. Lineare, logarithmische und exponentielle Trends haben den Modellfreiheitsgrad 2. Polynomische Trends haben den Modellfreiheitsgrad 1 plus den Grad des Polynoms. Ein kubischer Trend hat beispielsweise den Modellfreiheitsgrad 4, da Parameter für die kubischen, quadratischen, linearen und konstanten Elemente benötigt werden.
Restfreiheitsgrad
Bei einem festen Modell ist dieser Wert als Anzahl an Beobachtungen abzüglich der geschätzten Anzahl an Parametern im Modell definiert.
Summe der quadratischen Abweichungen
Die Abweichungen (Fehler) geben die Differenz zwischen dem beobachteten Wert und dem vom Modell vorhergesagten Wert an. In der Tabelle "Analyse der Varianz" wird in dieser Spalte die Differenz zwischen der Summe der quadratischen Abweichungen des einfacheren Modells in der jeweiligen Zeile und dem entsprechenden Wert des vollständigen Modells angegeben, für das alle Faktoren verwendet werden. Diese Summe der quadratischen Abweichungen entspricht auch der Summe der Differenzen zum Quadrat für die vorhergesagten Werte des kleineren Modells und des vollständigen Modells.
Mittlere quadratische Abweichung
Der Begriff MSE bezieht sich auf die "mittlere quadratische Abweichung" also um die Menge der Summe der quadratischen Abweichungen dividiert durch ihren entsprechenden Freiheitsgrad.
Bestimmtheitsmaß
Das Bestimmungsmaß ist eine Kennzahl, die angibt, wie die Daten in das lineale Modell passen. Es gibt das Verhältnis zwischen der Varianz des Modellfehlers bzw. der nicht erklärten Varianz und der Gesamtvarianz der Daten an.
Wenn der y-Achsen-Abschnitt vom Modell bestimmt wird, wird das Bestimmungsmaß anhand folgender Gleichung berechnet:
Wenn für den y-Achsen-Abschnitt der Beginn bei null erzwungen wird, wird das Bestimmungsmaß stattdessen anhand folgender Gleichung berechnet:
Im letzteren Fall stimmt die Gleichung nicht unbedingt mit Excel überein. Das ist dadurch begründet, dass das Bestimmungsmaß in diesem Fall nicht gut definiert ist und das Tableau-Verhalten dem von R anstatt dem von Excel entspricht.
Hinweis: Das Bestimmungsmaß für ein lineares Trendlinienmodell entspricht dem Quadratwert des Ergebnisses der CORR-Funktion. Die Syntax und Beispiele für CORR finden Sie unter Tableau-Funktionen (alphabetisch)(Link wird in neuem Fenster geöffnet).
Standardfehler
Dies ist die Quadratwurzel der mittleren quadratischen Abweichung des vollständigen Modells. Es handelt sich dabei um eine Schätzung der Standardabweichung (Variabilität) der "statistischen Fehler" in der Modellformel.
P-Wert (Signifikanz)
Dies ist der Wert für die Wahrscheinlichkeit, dass eine zufällige Variable F mit dem obigen Freiheitsgrad den beobachteten F-Wert in dieser Zeile der Tabelle "Analyse der Varianz" übersteigt.
Analyse der Varianz
In dieser Tabelle, die auch als ANOVA-Tabelle bezeichnet wird, werden die Informationen für die einzelnen Faktoren im Trendlinienmodell aufgeführt. Die Werte stellen einen Vergleich des Modells ohne den fraglichen Faktor mit dem gesamten Modell dar, für das alle Faktoren verwendet werden.
Individuelle Trendlinien
Diese Tabelle enthält Informationen zu den einzelnen Trendlinien in der Ansicht. In der Liste sehen Sie, welche Trendlinien die höchste statistische Signifikanz aufweisen (falls vorhanden). Zudem sind in der Tabelle Koeffizientenstatistiken für jede Trendlinie aufgeführt. Jeder Koeffizient in jedem Trendlinienmodell wird in einer Zeile beschrieben. Beispielsweise erfordert ein lineares Modell mit einem Achsenabschnitt zwei Zeilen für jede Trendlinie. In der Spalte "Zeile" überspannen der P-Wert und der DF-Wert (Restfreiheitsgrad) für jede Trendlinie alle Koeffizientenzeilen. Die Spalte "DF" (Restfreiheitsgrad) enthält den bei der Schätzung jeder Linie verfügbaren Restfreiheitsgrad.
Elemente
Der Name des unabhängigen Elements.
Wert
Der geschätzte Wert des Koeffizienten für das unabhängige Element.
StdErr
Eine Kennzahl für die Streuung der Stichprobenverteilung der abgeschätzten Koeffizienten. Dieser Fehler nimmt ab, wenn die Qualität und Quantität der bei der Schätzung verwendeten Informationen zunimmt.
t-value (T-Wert)
Die Statistik zum Testen der Nullhypothese, dass der tatsächliche Wert des Koeffizienten null beträgt.
p-value (P-Wert)
Die Wahrscheinlichkeit, dass ein T-Wert dieser Größe oder größer beobachtet wird, wenn der tatsächliche Wert des Koeffizienten null beträgt. Ein P-Wert von 0,05 bietet somit 95% Konfidenz, dass der tatsächliche Wert nicht null beträgt.
Beurteilen der Signifikanz von Trendlinien
Zeigen Sie mit der Maus auf eine Trendlinie, um wichtige Informationen über die Trendlinie in der Ansicht anzuzeigen:
Die erste Zeile der QuickInfo enthält die Gleichung, die zur Berechnung eines Wertes von Profit (Gewinn) anhand eines Wertes von Year of Order Date (Jahr des Bestelldatums) verwendet wird.
Die zweite Zeile enthält das Bestimmungsmaß, das das Verhältnis der durch das Modell erklärbaren Varianz in den Daten zur Gesamtvarianz in den Daten anzeigt. Weitere Informationen dazu finden Sie unter Trendlinienmodell-Begriffe.
Die dritte Zeile enthält den P-Wert, der die Wahrscheinlichkeit angibt, mit der es sich bei der Gleichung in der ersten Zeile um ein zufälliges Ergebnis handelt. Je kleiner der P-Wert, desto signifikanter ist das Modell. Ein P-Wert von 0,05 oder weniger wird oft als ausreichend betrachtet.
Signifikanz des gesamten Modells
Nachdem Sie einer Ansicht eine Trendlinie hinzugefügt haben, möchten Sie in der Regel den Eignungsgrad des Modells ermitteln. Dies ist eine Kennzahl für die Qualität der Vorhersagen des Modells. Außerdem sind Sie möglicherweise an der Signifikanz der einzelnen am Modell beteiligten Faktoren interessiert. Öffnen Sie zum Anzeigen dieser Zahlen das Dialogfeld "Trendmodell beschreiben", indem Sie mit der rechten Maustaste (Ctrl + Klick auf einem Mac) in die Ansicht klicken und Trendlinien > Trendmodell beschreiben auswählen.
Beim Testen der Signifikanz geht es um die P-Werte. Je kleiner der P-Wert, desto signifikanter das Modell oder der Faktor. Es ist möglich, dass ein Modell statistisch signifikant ist, aber eine einzelne Trendlinie oder ein Element einer Trendlinie enthält, das nicht zur Gesamtsignifikanz beiträgt.
Suchen Sie unter "Trendlinienmodell" nach der Zeile mit dem P-Wert (Signifikanz) des Modells. Je kleiner der P-Wert, desto unwahrscheinlicher ist es, dass die Differenz der nicht erklärten Varianz zwischen Modellen mit und ohne die relevante Kennzahl ein zufälliges Ergebnis ist.
Dieser P-Wert für ein Modell vergleicht die Eignung des gesamten Modells mit der Eignung eines Modells, das sich allein aus dem Gesamtmittelwert (Mittelwert der Daten in der Datenansicht) zusammensetzt. Also bewertet der P-Wert die Aussagekraft des quantitativen Elements f(x) in der Modellformel, die linear, polynomisch, exponentiell oder logarithmisch mit festen Faktoren sein kann. Es ist üblich, die Signifikanz mit der Regel "Konfidenzniveau 95 %" zu beurteilen. Daher wird, wie oben angemerkt, ein P-Wert von 0,05 oder kleiner als gut betrachtet.
Signifikanz kategorischer Faktoren
In der Tabelle "Analyse der Varianz", die mitunter auch als ANOVA-Tabelle bezeichnet wird, sind die einzelnen Felder aufgeführt, die als Faktoren im Modell verwendet werden. Für jedes Feld wird zusätzlich zu anderen Werten der P-Wert angezeigt. In diesem Fall gibt der P-Wert an, wie viel das Feld zur Signifikanz des gesamten Modells beiträgt. Je kleiner der P-Wert, desto weniger wahrscheinlich ist es, dass die Differenz der nicht erklärten Varianz zwischen Modellen mit und ohne dem Feld ein zufälliges Ergebnis ist. Die für die einzelnen Felder angezeigten Werte werden abgeleitet, indem das gesamte Modell mit einem Modell verglichen wird, in dem das fragliche Feld nicht enthalten ist.
Die folgende Abbildung zeigt die Tabelle "Analyse der Varianz" für eine Ansicht der Quartalsumsätze der letzten beiden Jahre für drei unterschiedliche Produktkategorien.
Sie sehen, dass die P-Werte für Category und Region sehr klein sind. In diesem Modell sind beide Faktoren statistisch signifikant.
Weitere Informationen zu speziellen Trendlinien-Begriffen finden Sie unter Trendlinienmodell-Begriffe.
Für ANOVA-Modelle werden Trendlinien durch folgende mathematische Formel definiert:
Y = factor 1 * factor 2 *
...factorN * f(x) + e
Das Element Y wird als Response-Variable bezeichnet und entspricht dem Wert, der vorhergesagt werden soll. Das Element X ist die erklärende Variable, und e (Epsilon) ist ein statistischer Fehler. Die Faktoren im Ausdruck entsprechen den Kategoriefeldern in der Ansicht. Zusätzlich wird jeder Faktor als Matrix dargestellt. Das Zeichen * steht für eine bestimmte Art von Matrix-Multiplikationsoperator, der zwei Matrizes mit einer übereinstimmenden Anzahl an Zeilen multipliziert und eine neue Matrix mit der gleichen Anzahl an Zeilen zurückgibt. Dies bedeutet für den Ausdruck factor
1 * factor 2, dass alle Kombinationen der Elemente von Faktor 1 und Faktor 2 verwendet werden. Angenommen, Faktor 1 und Faktor 2 verfügen jeweils über drei Elemente. In diesem Fall fügt der Operator insgesamt neun Variablen in die Modellformel ein.
Trendlinienannahmen
Die in Verbindung mit Tableau-Trendlinien gemeldeten P-Werte basieren auf einigen Annahmen in Bezug auf die Daten.
Die erste Annahme ist, dass das Modell für den Mittelwert bei allen durchgeführten Tests (zumindest annähernd) korrekt ist.
Die zweite Annahme ist, dass die in der Modellformel verwendeten "statistischen Fehler"(siehe Modelltypen für Trendlinien) über unterschiedliche Beobachtungen hinweg unabhängig sind und dass alle über die gleiche Verteilung verfügen. Diese Einschränkung wäre unzutreffend, wenn die Response-Variable in einer Kategorie gegenüber einer anderen Kategorie über eine erheblich höhere Variabilität im Bereich der wahren Trendlinie verfügen würde.
Erforderliche Annahmen zum Berechnen von Trendlinien
Zur Berechnung individueller Trendlinien (mit der Methode der kleinsten Quadrate (Ordinary Least Squares)) müssen folgende Annahmen erfüllt sein:
Ihr Modell ist eine akkurate funktionelle Vereinfachung des echten Datengenerierungsprozesses (z. B. kein lineares Modell für eine logarithmisch lineare Beziehung).
Die Fehler betragen im Mittel Null und sind nicht mit Ihrer unabhängigen Variablen korreliert (z. B. kein Fehler beim Messen der unabhängigen Variablen).
Die Fehler haben konstante Varianz und sind nicht miteinander korreliert (z. B. keine Zunahme der Fehlerstreuung bei Zunahme der unabhängigen Variablen).
Erklärende Variablen sind keine exakten linearen Funktionen voneinander (perfekte Multikollinearität).
Häufig gestellte Fragen zu Trendlinien
In diesem Abschnitt werden einige häufig gestellte Fragen zu Trendlinien in Tableau beantwortet.
Wie kann ich die im Modell verwendete Vertrauensebene ändern?
In Tableau wird keine feste Vertrauensebene durchgesetzt. Es wird lediglich die Signifikanz des gesamten Modells oder eines bestimmten Felds gemeldet, indem der P-Wert angezeigt wird. Mit dem p-Wert wird die Wahrscheinlichkeit des Erhalts des gleichen Trendergebnisses ohne Berücksichtigung der Dimensionen gemessen. Ein p-Wert des Umsatz-Trendwerts nach Zeit von 0,05 bedeutet beispielsweise, dass mit einer Wahrscheinlichkeit von 5 % ohne Berücksichtigung der Zeit der gleiche Wert ermittelt würde.
Was bedeutet es, wenn der P-Wert für das Modell signifikant ist, der P-Wert für das bestimmte Feld in der Tabelle "Analyse der Varianz" jedoch nicht signifikant ist?
Der P-Wert in der Tabelle "Analyse der Varianz" gibt an, ob das Feld zur Signifikanz des gesamten Modells einen positiven oder negativen Beitrag leistet. Je kleiner der P-Wert, desto weniger wahrscheinlich ist es, dass die Differenz der nicht erklärten Varianz zwischen Modellen mit und ohne dem Feld ein zufälliges Ergebnis ist. Die für die einzelnen Felder angezeigten Werte werden abgeleitet, indem das gesamte Modell mit einem Modell verglichen wird, in dem das fragliche Feld nicht enthalten ist. Wenn also der P-Wert für das Modell signifikant ist, der P-Wert für das bestimmte Feld jedoch nicht, wissen Sie somit, dass das Modell statistisch signifikant ist, Sie sich jedoch nicht sicher sein können, dass das jeweilige bestimmte Feld einen Beitrag dazu leistet. In diesem Fall lässt sich möglicherweise ein besseres Ergebnis erzielen, wenn Sie den Faktor aus dem Modell entfernen.
Was bedeutet es, wenn der P-Wert für das bestimmte Feld in der Tabelle "Analyse der Varianz" signifikant ist, der P-Wert für das Modell jedoch nicht signifikant ist?
Dies kann vorkommen, wenn nicht in jedem Bereich ein "Trend" vorhanden ist. Ein Beispiel für diesen Fall ist, dass die Linien einen flachen Verlauf haben, der Mittelwert für einen angegebenen Faktor jedoch variiert.