Penso che questo sia un metodo di regressione lineare ma ho dimenticato come eseguire l'analisi.Ho due variabili:
ACWP_VNDR_HW di Month_Yr
E
MAT di Month_Yr guardando l'allegato sembra che ci possa essere una correlazione.
Ho allegato alcune schermate.Qualcuno può avvisare se sono sulla strada giusta o in caso contrario consigli per procedere.Vorrei sviluppare un'equazione per VNDR_HR in funzione di MAT.
Grazie!
Non sono sicuro del motivo per cui non hai solo pubblicato i tuoi dati ... ma stai eseguendo la regressione lineare Fit Y per X. L'output di questa analisi mostra che non esiste quasi alcuna relazione tra le 2 variabili (RSquare è ~ 0 e il valore p è .44). Se vuoi ottenere il coefficiente di correlazione di Pearson puoi fare Multivariate Methods> Multivariate.
Se le variabili non sono correlate (e pensi che dovrebbero), ecco alcune cose a cui pensare:
1. Se una delle due variabili non varia molto nel set di dati, è difficile vedere le relazioni,
2. Se c'è un effetto ritardato, il set di dati dovrebbe essere modificato per vederlo,
3. Punti dati insoliti possono rendere difficile vedere le relazioni (ma ci sono poche prove nei dati che presenti)
4. Il tuo modello potrebbe non contenere l'ordine corretto degli effetti (mancano termini di ordine superiore, ma i tuoi dati non lo indicano),
5. Ci sono variabili nascoste non registrate nella tabella dati,
6. Hai problemi con il sistema di misurazione.
7. Non ci sono dati sufficienti per supportare l'individuazione di una relazione.
O non c'è davvero nessuna relazione.
@ dfusco923 L'unica cosa che posso aggiungere a tutto ciò @statman ha contribuito (con cui sono d'accordo su tutti i punti) è a meno che non mi manchi qualcosa, sembra che tu possa avere una variabile dipendente orientata alla serie temporale?
Sto basando la domanda sopra sulle etichette degli assi del report del generatore di grafici. Forse dati aggregati mensili? In tal caso, l'utilizzo della piattaforma Fit Y by X per stabilire una sorta di correlazione è nella migliore delle ipotesi fuorviante. Se effettivamente si dispone di una variabile dipendente dalle serie temporali, si consiglia una sorta di approccio di modellazione / analisi delle serie temporali. Un semplice diagramma di corsa e l'utilizzo di quella che chiamo la "regola dei 3 secondi" di Peter Bartell è tutto ciò di cui hai bisogno. La mia "regola dei 3 secondi" dice: "Fissa un diagramma per non più di 3 secondi. Quindi prendi la tua decisione o agisci. Perché più a lungo fissi la trama, più è probabile che ti convincerai a vedere qualcosa che semplicemente non c'è ". Puoi diventare più elegante analizzando i dati con una carta di controllo ... ma la risposta rimarrà invariata.
Se applico la regola dei 3 secondi al report del generatore di grafici ... non c'è niente.
