範例 - 利用預測建模函數探索女性預期壽命

套用到： Tableau Cloud, Tableau Desktop, Tableau Public, Tableau Server

此範例使用 Tableau 附帶的世界指標已儲存資料來源。我們將使用 MODEL_QUANTILE 和 MODEL_PERCENTILE 預測建模函數來探索平均每人醫療支出、女性預期壽命、出生率之間的關係。

讓我們從視覺效果開始，將每個國家/地區的醫療支出與女性預期壽命進行比較。若要繼續操作並存取預建的檢視和儀表板，或是要檢視解決方案，請從 Tableau Public 下載以下工作簿：女性預期壽命的預測建模。

女性預期壽命散佈圖

使用 MODEL_PERCENTILE

首先，我們將評估所有可見標記的預期壽命和醫療支出。這可讓 Tableau 從這些標記建立模型，並針對模型中每個標記傳回百分位數。

步驟 1：建立預測計算

如果您也有 Tableau Server 或 Tableau Cloud，並且想要在 Web 上而不是 Tableau Desktop 中進行製作，請將工作簿發佈到 Tableau Server，按一下「工作簿」，選取工作簿，然後在「動作」下方，選擇「編輯工作簿」。

開啟工作簿後，您會看到幾個工作表。您將使用這些工作表來建立您的檢視。

  1. 在樣板工作簿中，按一下「百分位數樣板」工作表。

  2. 開啟頂端的「分析」功能表，然後選取「建立導出欄位」。

  3. 在「計算編輯器」中，執行以下操作：

    • 命名計算：預期與支出百分位數

      • 附註：如果您在樣板工作簿中照著操作，會看見此範例中使用的計算有不同名稱。這是為了讓您能夠命名欄位（如前所述），而不會產生重複項目。您的解決方案可能具有不同的名稱，但視覺效果的外觀應該相同。

    • 輸入以下公式：

      MODEL_PERCENTILE(AVG([Life Expectancy Female]), LOG(MEDIAN([Health Exp/Capita])))

      • 此計算使用平均預期壽命做為目標運算式，將醫療支出中位數做為預測值。在這種情況下，我們在醫療支出軸以及針對預測值使用對數轉換。

      附註：由於此資料集偏向於非常大的值，我們使用對數標度轉換資料，這對於分析少數值比其他值高很多的資料時相當有用，並且更容易識別資料集中的趨勢與關係。

  4. 按一下「確定」。

    預測計算現在作為計算欄位新增到「資料」窗格中。

步驟 2：將預測計算新增至檢視

在上述的視覺效果中，您可以看見每個國家/地區的醫療支出及其女性預期壽命的比對，篩選至 2012 年。

現在，讓我們將 MODEL_PERCENTILE 計算新增至檢視中，並看看得到什麼樣的洞察。

  1. 將「預期與支出百分位數」拖曳至「標記」卡片的「色彩」中。

  2. 按一下膠囊上的下拉箭頭，並選取「計算使用」>「國家/地區」。

  3. 在「標記」卡片上按一下「色彩」，然後按一下「編輯色彩」。

    • 在「調色盤」下，選取「橙色-藍色發散」。

    • 選取「漸變色彩」核取方塊。

    • 選取「反向」核取方塊。

  4. 按一下「確定」。

    5. 顯示女性相對於支出的預期壽命的圖

    根據支出層級，您可以看到健康預期高於和低於預期的國家/地區分佈情況。請注意，根據醫療保健支出的層級，深紅色標記通常表示預期壽命相對高於醫療保健支出，深藍色表示預期壽命相對低於醫療保健支出，灰色表示預期壽命接近模型預期。

步驟 3：依顏色對結果進行分組

為了簡化分析，讓我們使用新計算中的預測計算對結果進行分組。我們將建立群組，以便將第 90 個百分位以上和第 10 個百分位以下的標記分組在一起，將第 80 到 90 個百分位範圍內的標記和第 10 到 20 個百分位範圍內的標記分組在一起，依此類推。我們也將醒目顯示帶有 Null 值的標記，並在稍後使用另一個預測建模函數 MODEL_QUANTILE 來解決這些問題。

  1. 在「計算編輯器」中，執行以下操作：

    • 命名計算：百分位數 - 依顏色。

    • 輸入以下公式：

      IF
      ISNULL([Percentile Expectancy vs Spending])
      THEN "Null"
      ELSEIF [Percentile Expectancy vs Spending] >=0.9 OR
      [Percentile Expectancy vs Spending] <=0.1
      THEN "<10th & >90th percentile"
      ELSEIF [Percentile Expectancy vs Spending] >=0.8 OR
      [Percentile Expectancy vs Spending] <=0.2
      THEN "<20th & >80th percentile"
      ELSEIF [Percentile Expectancy vs Spending] >=0.7 OR
      [Percentile Expectancy vs Spending] <=0.3
      THEN "<30th & >70th percentile"
      ELSEIF [Percentile Expectancy vs Spending] >=0.6 OR
      [Percentile Expectancy vs Spending] <=0.4
      THEN "<40th & >60th percentile"
      ELSE "50th percentile +-10"
      END

  2. 將新計算新增至「標記」卡片上的「色彩」。

  3. 按一下膠囊上的下拉箭頭，並選取「計算使用」>「國家/地區」。

  4. 在「標記」卡片上按一下「色彩」，然後按一下「編輯色彩」。

    • 調整顏色，以便趨勢一目了然。在此情況下，請使用「Traffic Light」調色盤，並針對 Null 使用灰色。

  5. 按一下「確定」。

    顯示按色彩分組結果的圖

    看看角落的橘色標記，注意到每位美國女性在 81 歲的預期壽命中花費了 8,895 美元。沿著 X 軸向左移動，您可以看到其他國家/地區的支出較少，但預期壽命相同。

    此模型會評估每個點的關係強度，其中美國接近模型預期範圍的上端。

步驟 4：將預期壽命與出生率進行比較

接下來，讓我們來看看將女性預期壽命與出生率進行比較的視覺效果。請注意，出生率與女性預期壽命呈負相關；然而，這並不代表較高的出生率會導致女性預期壽命降低。在此資料檢視中，可能有其他不可見的因素影響出生率和女性預期壽命。但是，讓我們新增模型，看看在醫療支出的情況下，模型預期女性預期壽命較高或較低的地方在哪裡。

按出生率的預期壽命

  1. 在「出生率」工作表中，將「百分位數 - 依色彩」預測計算新增至「標記」卡片上的「色彩」，以將其帶入檢視中。

  2. 按一下膠囊上的下拉箭頭，並選取「計算使用」>「國家/地區」。

  3. 在「標記」卡片上按一下「色彩」，然後按一下「編輯色彩」。像先前一樣編輯色彩，然後按一下「Traffic Light」調色盤，並針對 Null 值選取灰色。

  4. 按一下「確定」。

    聚焦在阿爾巴尼亞和亞美尼亞地區結果的圖

    現在，資料更加分散了。右下角的紅色區間是預期壽命最低但出生率最高的地方，與預期壽命相比，醫療保健支出較低。在左上象限中挑選出兩個紅色標記（與阿爾巴尼亞和亞美尼亞有關），您會發現這兩個國家/地區的女性預期壽命高、出生率低，而且醫療支出低。

    正如您所看到的，我們能夠使用 MODEL_PERCENTILE 來識別這兩個國家/地區為離群值：儘管它們都有相對較低的醫療保健支出，但從出生率的角度來看，它們的預期壽命仍然相對較高。

    工具提示顯示，即使醫療支出低，阿爾巴尼亞地區的預期壽命也很長

    5. 現在，讓我們看看如何使用其他預測建模函數 (MODEL_QUANTILE) 繼續分析。

使用 MODEL_QUANTILE

MODEL_QUANTILE 用於產生數值預測、給定目標百分位數、目標運算式和預測值。這是 MODEL_PERCENTILE 的反函數。

提醒您，我們的結果中有幾個 Null 值，表示某些國家/地區沒有醫療支出資料。我們將使用 MODEL_QUANTILE 評估這些缺少的值。

步驟 1：建立預測計算

我們一直在處理此計算：

MODEL_PERCENTILE(AVG([Life Expectancy Female]), LOG(MEDIAN([Health Exp/Capita])))

首先，我們希望反轉此函數，以便根據女性預期壽命獲得醫療保健支出的預測。

  1. 在樣板工作簿中，按一下「分位數樣板」工作表。

  2. 開啟頂端的「分析」功能表，然後選取「建立導出欄位」。

  3. 在「計算編輯器」中，執行以下操作：

    • 命名計算：預期壽命與支出分位數

    • 輸入以下公式：

      POWER(10, MODEL_QUANTILE(0.5, LOG(MEDIAN([Health Exp/Capita])), AVG([Life Expectancy Female])))

      讓我們仔細分析此計算，以便深入瞭解：

      • 我們從 MODEL_QUANTILE 開始，其中第一個引數為 0.5，指定要預測的百分位數。
      • 目標運算式是平均每人醫療支出中位數。
      • 預測值是平均女性預期壽命。
      • 此外，我們將函數包裝在 POWER 函數中，以將對數轉換的目標運算式轉換回美元。

  4. 按一下「確定」。

    預測計算現在作為計算欄位新增到「資料」窗格中。

步驟 2：將預測計算新增至檢視

  1. 將「預期壽命與支出分位數」拖曳至「標記」卡片上的「工具提示」。

  2. 按一下膠囊上的下拉箭頭，並選取「計算使用」>「國家/地區」。

  3. 按一下「標記」卡片上的「工具提示」，並針對 MODEL_QUANTILE 預測新增列：

    • 命名工具提示列：從女性預期壽命預測醫療支出：

    • 按一下「插入」，並選取計算，以確保在您與視覺效果進行互動時，工具提示會動態顯示標記的唯一預測。

  4. 按一下「確定」。

    印尼的工具提示

    5. 現在，我們的 MODEL_QUANTILE 只有一個預測值：女性預期壽命。請注意，當您從左向右移動時，針對具有相同預期壽命的標記檢視工具提示，會發現每個標記都有相同的預測醫療支出。印尼從預期壽命預測的醫療支出為 336 美元，但斐濟、埃及和其他女性預期壽命相同的國家/地區也是相同的結果。

    這是因為模型為每個標記提供相同的估計支出。由於我們僅使用一個預測值（女性預期壽命），因此，模型會針對預測值具有相同值的所有標記傳回相同結果。您可以藉由新增預測值，將更多細微差別新增至模型。

步驟 3：使用第二個預測值新增預測

當您建立預測時，應該考慮到哪些欄位對您的目標值而言是良好的預測值，並將其加入您的計算中。您可以接受任意數目的維度和度量。例如，我們可以新增 GDP、人口和其他欄位做為預測值，以改善我們的預測。在此情況下，讓我們新增「區域」。

  1. 在「計算編輯器」中，執行以下操作：

    • 命名計算：支出和預期與區域的分位數

    • 輸入以下公式，與先前計算相同，但新增「區域」做為預測值：

      POWER(10, MODEL_QUANTILE(0.5, LOG(MEDIAN([Health Exp/Capita])), AVG([Life Expectancy Female]), ATTR([Region])))

  2. 按一下「確定」。

  3. 接著，將新計算新增至「標記」卡片上的「工具提示」。

  4. 按一下「工具提示」，並新增其他行以描述新預測，例如「從女性預期壽命和區域預測醫療支出：」。

    印尼的工具提示

    現在，工具提示顯示兩個預測。

步驟 4：將實際值和預測值進行比較

做為分析的最後一步，您還可以建立結合實際值和預測值的預測計算。在我們的範例中，顯示可用的實際醫療支出和不可用的估計支出。

  1. 在「計算編輯器」中，執行以下操作：

    • 命名計算：醫療支出實際值和預測值

    • 輸入以下公式，該公式會傳回預測的數值：

      ROUND(IFNULL(AVG([Health Exp/Capita]),[Quantile_HE/Cap_LEF,Region]),0)

  2. 按一下「確定」。

  3. 建立另一個計算，如下所示：

    • 命名計算：醫療支出實際值和預測值標記

    • 輸入以下公式，該公式將做為上述計算的標籤：

      STR(IF ISNULL(AVG([Health Exp/Capita])) THEN "(Estimate)" ELSE "(Actual)" END)

  4. 按一下「確定」。

  5. 接著，將兩個計算新增至「標記」卡片上的「工具提示」。

  6. 按一下「工具提示」，並新增另一行以描述新計算：

    • 平均每人醫療支出（實際或估計）：

    • 插入新計算，一個接著一個。

  7. 按一下「確定」。

    用於百慕達的工具提示

    現在，當您與視覺效果互動時，可以看見每個國家/地區的平均每人醫療支出，或如果資料缺少實際值（Null 值），則檢視預估值。

    就像這樣，您可以使用 Tableau 中的預測建模函數，深入瞭解您的資料。

返回頂端
感謝您的意見反應！已成功提交您的意見回饋。謝謝！