การเลือกเส้นแนวโน้มที่ดีที่สุดสําหรับข้อมูลของคุณ

เมื่อคุณต้องการเพิ่ม เส้นแนวโน้ม ลงในแผนภูมิใน Microsoft Graph คุณสามารถเลือกชนิดแนวโน้ม/การถดถอยที่แตกต่างกันหกชนิดได้ ชนิดของข้อมูลที่คุณมีจะกําหนดชนิดของเส้นแนวโน้มที่คุณควรใช้

ความน่าเชื่อถือของเส้นแนวโน้ม เส้นแนวโน้มจะเชื่อถือได้มากที่สุดเมื่อ ค่า R-squared อยู่ที่ 1 หรือใกล้เคียง เมื่อคุณปรับเส้นแนวโน้มให้พอดีกับข้อมูลของคุณ Graph จะคํานวณค่า R-squared โดยอัตโนมัติ ถ้าคุณต้องการ คุณสามารถแสดงค่านี้บนแผนภูมิของคุณได้

เชิงเส้น

เส้นแนวโน้มเชิงเส้นคือเส้นตรงที่พอดีกับชุดข้อมูลเชิงเส้นอย่างง่าย ข้อมูลของคุณเป็นแบบเชิงเส้น ถ้ารูปแบบในจุดข้อมูลมีลักษณะคล้ายกับเส้น เส้นแนวโน้มเชิงเส้นมักจะแสดงให้เห็นว่ามีบางสิ่งเพิ่มขึ้นหรือลดลงในอัตราที่มั่นคง

ในตัวอย่างต่อไปนี้ เส้นแนวโน้มเชิงเส้นจะแสดงอย่างชัดเจนว่ายอดขายตู้เย็นเพิ่มขึ้นอย่างต่อเนื่องในช่วง 13 ปี โปรดสังเกตว่าค่า R-squared คือ 0.9036 ซึ่งเป็นเส้นที่เหมาะสมกับข้อมูล

ลอการิทึม

เส้นแนวโน้มลอการิทึมคือเส้นโค้งที่เหมาะสมที่สุด ซึ่งมีประโยชน์มากที่สุดเมื่ออัตราการเปลี่ยนแปลงในข้อมูลเพิ่มขึ้นหรือลดลงอย่างรวดเร็ว แล้วจึงเลื่อนระดับออก เส้นแนวโน้มลอการิทึมสามารถใช้ค่าลบ และ/หรือค่าบวกได้

ตัวอย่างต่อไปนี้ใช้เส้นแนวโน้มลอการิทึมเพื่อแสดงการเติบโตของประชากรสัตว์ที่ทํานายในพื้นที่อวกาศคงที่ซึ่งประชากรจัดระดับเป็นพื้นที่สําหรับสัตว์ลดลง โปรดทราบว่าค่า R-squared คือ 0.9407 ซึ่งเป็นเส้นที่ค่อนข้างพอดีกับข้อมูล

โพลิโนเมียล

เส้นแนวโน้มโพลิโนเมียลคือเส้นโค้งที่ใช้เมื่อข้อมูลผันผวน มีประโยชน์ ตัวอย่างเช่น สําหรับการวิเคราะห์กําไรและการสูญเสียในชุดข้อมูลขนาดใหญ่ ลําดับของโพลิโนเมียลสามารถกําหนดได้โดยจํานวนของความผันผวนในข้อมูลหรือจํานวนโค้ง (เนินเขาและหุบเขา) ปรากฏในเส้นโค้ง โดยทั่วไปเส้นแนวโน้มโพลิโนเมียลลําดับที่ 2 จะมีเนินเขาหรือหุบเขาเพียงหุบเขาเดียว คําสั่งที่ 3 โดยทั่วไปจะมีเนินเขาหรือหุบเขาหนึ่งหรือสองหุบเขา คําสั่งซื้อ 4 โดยทั่วไปมีได้ถึงสาม

ตัวอย่างต่อไปนี้แสดงเส้นแนวโน้มโพลิโนเมียล Order 2 (หนึ่งเนินเขา) เพื่อแสดงความสัมพันธ์ระหว่างความเร็วและการบริโภคน้ํามัน โปรดสังเกตว่าค่า R-squared คือ 0.9474 ซึ่งเป็นเส้นที่เหมาะสมกับข้อมูล

พลังงาน

เส้นแนวโน้มกําลังคือเส้นโค้งที่ใช้ได้ดีที่สุดกับชุดข้อมูลที่เปรียบเทียบการวัดที่เพิ่มในอัตราที่กําหนด ตัวอย่างเช่น การเร่งความเร็วของรถแข่งเป็นช่วงเวลาหนึ่งวินาที คุณไม่สามารถสร้างเส้นแนวโน้มเลขยกกําลังถ้าข้อมูลของคุณมีค่าศูนย์หรือลบ

ในตัวอย่างต่อไปนี้ ข้อมูลการเร่งความเร็วจะแสดงโดยการลงจุดระยะทางเป็นเมตรต่อวินาที เส้นแนวโน้มกําลัง (Power Trendline) แสดงให้เห็นถึงการเร่งความเร็วที่เพิ่มขึ้นอย่างชัดเจน โปรดทราบว่าค่า R-squared คือ 0.9923 ซึ่งเป็นเส้นที่เกือบจะพอดีกับข้อมูล

เอ็กซ์โพเนนเชียล

เส้นแนวโน้มเอ็กซ์โพเนนเชียลคือเส้นโค้งที่มีประโยชน์มากที่สุดเมื่อค่าข้อมูลเพิ่มขึ้นหรือลดลงในอัตราที่สูงขึ้นเรื่อยๆ คุณไม่สามารถสร้างเส้นแนวโน้มเอ็กซ์โพเนนเชียลได้ถ้าข้อมูลของคุณมีค่าศูนย์หรือค่าลบ

ในตัวอย่างต่อไปนี้ เส้นแนวโน้มเอ็กซ์โพเนนเชียลจะใช้เพื่อแสดงปริมาณคาร์บอน 14 ที่ลดลงในวัตถุเมื่ออายุมากขึ้น โปรดทราบว่าค่า R-squared คือ 1 ซึ่งหมายความว่าเส้นจะพอดีกับข้อมูลอย่างสมบูรณ์แบบ

ค่าเฉลี่ยเคลื่อนที่

เส้นแนวโน้มค่าเฉลี่ยเคลื่อนที่จะทําให้ความผันผวนในข้อมูลราบรื่นขึ้นเพื่อแสดงรูปแบบหรือแนวโน้มได้ชัดเจนยิ่งขึ้น เส้นแนวโน้มค่าเฉลี่ยเคลื่อนที่ใช้จํานวนจุดข้อมูลที่ระบุ (ตั้งค่าโดยตัวเลือก มหัพภาค ) เฉลี่ยจุดเหล่านั้น และใช้ค่าเฉลี่ยเป็นจุดในเส้นแนวโน้ม ตัวอย่างเช่น ถ้า Period ถูกตั้งค่าเป็น 2 ค่าเฉลี่ยของจุดข้อมูลสองจุดแรกจะถูกใช้เป็นจุดแรกในเส้นแนวโน้มค่าเฉลี่ยเคลื่อนที่ ค่าเฉลี่ยของจุดข้อมูลที่สองและสามจะถูกใช้เป็นจุดที่สองในเส้นแนวโน้ม และอื่นๆ

ในตัวอย่างต่อไปนี้ เส้นแนวโน้มค่าเฉลี่ยเคลื่อนที่จะแสดงรูปแบบเป็นจํานวนบ้านที่ขายในช่วง 26 สัปดาห์