配適線圖

配適線(也稱趨勢線或最佳配適線)是穿過一組資料點的直線或曲線,用於最好地表示總體模式或趨勢。用於展示一個連續預測變數與反應之間的關係。

最後審閱

核心要點

配適線(也稱趨勢線或最佳配適線)是穿過一組資料點的直線或曲線,用於最好地表示總體模式或趨勢。

本頁內容
  1. 什麼是配適線圖?
  2. 何時使用配適線圖?
  3. 正確使用配適線圖的指南
  4. 替代方法:何時不宜使用配適線圖
  5. 配適線圖範例
  6. 如何建立配適線圖

什麼是配適線圖?

配適線(也稱趨勢線或最佳配適線)是穿過一組資料點的直線或曲線,用於最好地表示總體模式或趨勢。用於展示一個連續預測變數與反應之間的關係。

迴歸模型的類型有線性、二次或三次。

藉助 配適線模型,可以穿過資料點畫出儘可能好的線,以揭示潛在趨勢。它不是把每個點連起來(那樣會很雜亂),而是找出一條平滑的線,使其同時儘可能貼近 所有 資料點。

最常見的類型是 線性配適線(y = mx + b),但當資料不呈直線時,會使用曲線(多項式、指數)。

範例:如果將 100 名學生的學習時間與考試成績作圖,配適線會顯示總體方向—— 學習時間越長 → 分數越高 ——即使個別結果有所不同。

何時使用配適線圖?

  • 兩個變數都是數值(而非類別)
  • 存在明顯趨勢,各點一起上升或下降
  • 反應變數必須是 連續的
  • 資料應 按收集的順序 記錄
  • 為新的輸入預測結果
  • 衡量兩個變數之間關係的強弱
  • 資料雜訊較大,需要看清更大的模式
  • 比較不同組別或不同時間段的趨勢

在以下情況下請改用其他模型:

  • 多個預測變數 → 配適迴歸模型
  • 分類預測變數 → 單因素變異數分析

正確使用配適線圖的指南

  • 恰好使用 一個連續預測變數 和一個 連續反應變數。
  • 確保資料 準確代表目標總體;有偏或不完整的資料將產生不可靠的結果。
  • 收集 足夠的資料點,以確保估計可靠,並準確反映變數之間的關係。
  • 確保 量測準確,儘可能精確地記錄變數;量測誤差會直接影響配適線。
  • 按 資料收集的順序 記錄資料,有助於發現殘差中隨時間變化的模式或趨勢。
  • 配適後,使用 殘差圖和彙總統計量驗證模型;殘差應呈隨機分配,出現任何模式都表明配適不佳。
  • 如果需要多個預測變數,請使用 配適迴歸模型;對於分類預測變數,請改用 單因素變異數分析。

替代方法:何時不宜使用配適線圖

  • 如果有 多個預測變數,請改用 配適迴歸模型 進行準確的多變數分析。
  • 如果只有 一個分類預測變數 而沒有連續預測變數,請改用 單因素變異數分析。

配適線圖範例

某傢俱製造廠的材料工程師想確定刨花板的密度與剛度之間是否存在關係。為此,工程師從一批板材樣本中收集剛度和密度的量測值,並應用簡單線性迴歸分析二者的關聯。為評估這一點,工程師執行了以下步驟:

  1. 收集所需資料。
Fit Line Model — figure 1
  1.  現在,在 Zometric Statistical Software 中分析資料,網址為 https://statsai.zometric.com/。
  2.  要找到 Fit Line Model,請選擇 Statistical module> Regression>Fit Line Model。
  3.  在工具中輸入資料及其他輸入項,如下所示:
Fit Line Model — figure 2

5. 使用上述工具後,得到如下輸出:

Fit Line Model — figure 3Fit Line Model — figure 4

如何建立配適線圖

操作步驟如下:

  1. 登入 Zometric Statistical Software,網址為 https://statsai.zometric.com/
  2. 在首頁選擇 Statistical Tool>Regression >Fit Line Model。
  3. 點選 Fit Line Model,進入工具介面。
  4. 接下來,手動更新資料,或從 Excel 表格中完整複製(Ctrl+C)資料並貼上(Ctrl+V)到此處。
  5. 填寫左側給出的必填選項。
  6. 最後,點選頁面底部的 calculate,即可得到所需結果。

配適線圖的工具介面分為兩部分。

Fit Line Model — figure 5

左側為資料窗格(Data Pane)。在 Data Pane 中,每一列構成一個子群組。可以手動輸入資料,也可以從 Excel 表格中完整複製(Ctrl+C)資料並貼上(Ctrl+V)到此處。

Load example: 將載入範例資料。

Load File: 用於直接載入 Excel 資料。

右側提供以下選項:

  • Response —— 需要預測或分析的輸出變數(例如銷售額、溫度)。這是圖表的 Y 軸。
  • Predictor —— 用於解釋或預測反應的輸入變數(例如時間、壓力)。這是圖表的 X 軸。
  • Type of Regression Model —— 定義配適線的形狀;
  • Linear —— 透過資料配適一條直線,假定預測變數與反應之間的關係恆定一致。最適用於資料呈穩定上升或下降、沒有彎曲的情況。
  • Quadratic —— 配適一條可彎曲一次的曲線(U 形或拱形),可捕捉反應先升後降或先降後升的關係。當資料呈現單一曲線或轉折點時使用。
  • Cubic —— 配適一條更靈活、可彎曲兩次的曲線,可捕捉資料中多次起伏的更復雜關係。當直線和簡單曲線都不足以描述資料模式時使用。
  • Display CI (Confidence Interval) —— 在配適線周圍顯示一個帶狀區域,表示根據您的資料,真實迴歸線 可能落在何處。
  • Display Prediction Interval —— 顯示一個更寬的帶狀區域,表示未來 單一新資料點 可能落入的範圍。
  • Confidence Interval (%) —— 設定區間的確定性水準(預設為 95%),即您有 95% 的把握認為真實值落在所顯示的範圍內。
  • Display Gridlines —— 在圖表背景中新增參考網格線,便於讀取和解釋資料點的位置。
  • Custom X Axis Gridlines —— 可在 X 軸上對您的分析有意義的特定數值處手動設定網格線位置。
  • Custom Y Axis Gridlines —— 可在 Y 軸的特定數值處手動設定網格線位置,以提高可讀性並突出重點。

常見問題

什麼是配適線圖?

配適線圖(也稱趨勢線或最佳配適線)是穿過一組資料點的直線或曲線,用於最好地表示總體模式。它展示一個連續預測變數與連續反應之間的關係,可用於為新的輸入預測結果,或衡量兩個變數之間關係的強弱。

什麼情況下應使用線性、二次或三次配適線?

當資料呈穩定上升或下降、沒有彎曲時,使用線性配適。當資料呈現單一曲線或轉折點(如 U 形或拱形)時,使用二次配適。當直線和簡單曲線都不足以描述模式時,使用可彎曲兩次的三次配適。

什麼情況下應使用配適迴歸模型或單因素變異數分析,而不是配適線?

配適線圖需要恰好一個連續預測變數和一個連續反應。如果有多個預測變數,請使用配適迴歸模型進行多變數分析。如果有一個分類預測變數而沒有連續預測變數,請改用單因素變異數分析。

配適線上的信賴區間與預測區間有什麼區別?

信賴區間帶表示根據您的資料,真實迴歸線可能落在何處。預測區間是一個更寬的帶,表示單一新資料點可能落入的範圍。兩者都使用您設定的信賴水準,預設為 95%。