Vergleichen zweier Variablen auf Korrelation und Bestimmen einer Gleichung, um die beiden Variablen in Beziehung zu setzenIch glaube, das ist eine lineare Regressionsmethode, aber ich habe vergessen, wie man die Analyse durchführt. Ich habe zwei Variablen:
ACWP_VNDR_HW nach Month_Yr
UND
MAT nach Monat_Jahr: Wenn man sich das angehängte Dokument ansieht, sieht es so aus, als ob es hier eine Korrelation geben könnte.
Ich habe einige Screenshots angehängt. Kann mir bitte jemand sagen, ob ich auf dem richtigen Weg bin, oder mir Empfehlungen geben, wie ich weiter vorgehen soll. Ich möchte eine Gleichung für VNDR_HR als Funktion von MAT entwickeln.
Danke!
Konsumenten- und MarktforschungBetreff: Vergleichen zweier Variablen auf Korrelation und Bestimmen einer Gleichung, um die beiden Variablen in Beziehung zu setzenVielen Dank für die zusätzlichen Informationen und Empfehlungen, die sehr nützlich waren.Betreff: Vergleichen zweier Variablen auf Korrelation und Bestimmen einer Gleichung, um die beiden Variablen in Beziehung zu setzenVielen Dank für diese Information, sie war sehr hilfreichBetreff: Vergleichen zweier Variablen auf Korrelation und Bestimmen einer Gleichung, um die beiden Variablen in Beziehung zu setzen@dfusco923 Das einzige, was ich dem alles hinzufügen kann @statmann beigetragen hat (mit dem ich in allen Punkten übereinstimme) ist, es sei denn, ich vermisse etwas, es sieht so aus, als hätten Sie eine zeitreihenorientierte abhängige Variable?
Ich stütze die obige Frage auf die Achsenbeschriftungen des Graph Builder-Berichts. Vielleicht monatlich aggregierte Daten? Wenn dies der Fall ist, ist die Verwendung der Fit Y by X-Plattform zur Herstellung einer Art Korrelation bestenfalls fehlgeleitet. Wenn Sie tatsächlich eine zeitreihenabhängige Variable haben, wird eine Art Modellierungs-/Analyseansatz für Zeitreihen empfohlen. Ein einfaches Verlaufsdiagramm und die Verwendung dessen, was ich die „3-Sekunden-Regel“ von Peter Bartell nenne, sind ungefähr alles, was Sie brauchen. Meine „3-Sekunden-Regel“ lautet: „Starren Sie nicht länger als 3 Sekunden auf eine Handlung. Dann treffen Sie Ihre Entscheidung oder handeln Sie. Denn je länger Sie auf die Handlung starren, desto wahrscheinlicher werden Sie sich einreden, etwas zu sehen, das einfach nicht da ist." Sie können eleganter werden, indem Sie die Daten mit einer Regelkarte analysieren ... aber die Antwort bleibt unverändert.
Wenn ich die 3-Sekunden-Regel auf den Graph Builder-Bericht anwende, ist dort nichts.
Betreff: Vergleichen zweier Variablen auf Korrelation und Bestimmen einer Gleichung, um die beiden Variablen in Beziehung zu setzenIch bin mir nicht sicher, warum Sie Ihre Daten nicht einfach gepostet haben ... aber Sie führen eine lineare Regression Fit Y by X durch. Die Ausgabe dieser Analyse zeigt, dass es fast keine Beziehung zwischen den beiden Variablen gibt (RSquare ist ~0 und der p-Wert ist 0,44). Wenn Sie den Korrelationskoeffizienten von Pearson erhalten möchten, können Sie Multivariate Methoden> Multivariate ausführen.
Wenn die Variablen nicht korrelieren (und Sie glauben, dass dies der Fall sein sollte), sollten Sie Folgendes bedenken:
1. Wenn eine der Variablen im Datensatz nicht stark variiert, ist es schwierig, Beziehungen zu erkennen.
2. Wenn es einen verzögerten Effekt gibt, müsste der Datensatz modifiziert werden, um dies zu sehen,
3. Ungewöhnliche Datenpunkte können das Erkennen von Beziehungen erschweren (aber die von Ihnen präsentierten Daten enthalten wenig Beweise)
4. Ihr Modell enthält möglicherweise nicht die richtige Reihenfolge der Effekte (fehlende Terme höherer Ordnung, aber Ihre Daten zeigen dies nicht an).
5. Es gibt versteckte Variablen, die nicht in der Datentabelle aufgezeichnet sind.
6. Sie haben Probleme mit dem Messsystem.,
7. Es liegen nicht genügend Daten vor, um die Feststellung einer Beziehung zu unterstützen.
Oder es gibt wirklich keine Beziehung.
