Comment calculer la pente et l'interceptionBonjour,
Je suis confronté à 2 problèmes lorsque j'essaie de calculer les valeurs de pente et d'interception :
- Je n'ai pas trouvé de moyen facile d'obtenir la pente et l'interception, sauf l'utilisation de "Bivariate + fit line"
- L'utilisation de la bivariée dans une boucle semble entraîner une lenteur d'exécution du code : je pense que créer plusieurs fois une table et le fit lile associé est très lent
Ma question : existe-t-il un moyen d'obtenir la pente et l'interception sans utiliser la bivariée pour aller plus vite ?
Voici le code que j'utilise dans une boucle pour extraire les pentes et les interceptions :
biv1 = Bivariate( Y( MyTab:X ), X( MyTab:Y ), Fit Line( {Line Color( "Red" )} ) );
colBox = Report( biv1 )[Number Col Box( 7 )];
beta = colBox << GetAsMatrix;
My_Slope = beta[2]; // slope
My_Intercept = beta[1]; // intercept
Close( MyTab, nosave );
);
Merci.
Re : Comment calculer la pente et l'interceptionJe l'ai compris.
kXPlotDT = Report( kXPlot )["Parameter Estimates"][Table Box(1)] << Make Combined Data Table;
Salutations,
Ry
Re : Comment calculer la pente et l'interceptionSalut Ian,
J'ai suivi votre approche en utilisant la variable 'By' et en m'en tenant à la plate-forme bivariée. Je ne suis pas sûr de la syntaxe correcte pour que 'Make Combined Data Table' fonctionne pour plusieurs lignes d'ajustement.Pouvez-vous aider ?
kXPlot = dt << Bivariate( Y( :LMS_dX ), X( :X_Nominal ), By(Column(::bcol)), Fit Line());
kXPlotDT = kXPlot < ???
Merci,
Ry
Re : Comment calculer la pente et l'interceptionPlutôt que d'avoir une boucle, vous pouvez également envisager de créer un grand tableau avec une variable 'By', en vous en tenant à la plate-forme bivariée, puis en utilisant 'Make Combined Data Table'. Je m'attends à ce que l'approche matricielle soit plus rapide, cependant.
Re : Comment calculer la pente et l'interceptionMerci Ron,
C'est ce que je cherchais : je vais implémenter et tester la vitesse 
Re : Comment calculer la pente et l'interceptionpour commencer, jetez un oeil à cette option:
http://www.pega-analytics.co.uk/blog/linear-regression-matrix-form/
c'est une solution proposée par David Burnham dans son blog. en utilisant des calculs matriciels, il atteint des vitesses élevées pour calculer les coefficients de régression.
meilleur,
Ron
