回归曲线图

回归曲线图的简介

回归曲线图同统计学紧密结合,属于探索型图表,通过对样本数据进行曲线回归(非线性回归)确定两个变数间数量变化的某种特定的规则或规律。我们称图中的线为回归曲线,是最准确地贯穿图中的各个点的线,分为线性回归和非线性回归。

回归曲线图用于回归分析,其主要内容是通过试验或观测数据,寻找相关变量之间的统计规律性,再利用自变量的值有效预测因变量的可能取值。

回归曲线图的构成

图表类型 回归曲线图
适合的数据 两个连续字段
功能 观察数据的变化趋势
根据样本点预测数据
数据与图形的映射 两个连续字段的分布特征元数据映射到回归线
适合的数据条数 暂无限制

回归曲线图的应用场景

例子 1:线性回归(linear regresiion)。 线性回归是最原始的回归,用来做数值类型的回归,可以利用它来构建模型并通过构件的模型来进行预测。借助可视化技术,我们可以快速判断一组数据是否属于线性回归。

比如某农业科研机构要研究最大积雪深度 x 与灌溉面积 y 之间的关系,提供的数据样本为近 10 年的数据,如下表:

年序 最大积雪深度 x(尺) 灌溉面积 y (亩)
1 15.2 28.6
2 10.4 19.3
3 21.2 40.5
4 18.6 35.6
5 26.4 48.9
6 23.4 45.0
7 13.5 29.2
8 16.7 34.1
9 24.0 46.7
10 19.1 37.4

借助 G2 的线性回归统计函数(Stat.smooth.linear),绘制如下图表:

var Stat = G2.Stat; var data = [ {no:1, depth: 15.2, area: 28.6}, {no:2, depth: 10.4, area: 19.3}, {no:3, depth: 21.2, area: 40.5}, {no:4, depth: 18.6, area: 35.6}, {no:5, depth: 26.4, area: 48.9}, {no:6, depth: 23.4, area: 45.0}, {no:7, depth: 13.5, area: 29.2}, {no:8, depth: 16.7, area: 34.1}, {no:9, depth: 24.0, area: 46.7}, {no:10, depth:19.1, area: 37.4} ]; var chart2 = new G2.Chart({ id: 'c2', forceFit: true, height: 400 }); chart2.source(data); chart2.point().position('depth*area').color('#EECB5F').shape('circle'); chart2.line().position(Stat.smooth.linear('depth*area')); chart2.render();

具体的回归分析过程不在这里详述,具体可阅读: 数理统计知识整理——回归分析与方差分析

例子 2:非线性回归。 一些常用的非线性回归曲线。

标签