Seitenhistorie

Anwendungsbeispiel Regressionsanalyse

In diesem Beispiel wird eine Regressionsanalyse durchgeführt und das Ergebnis interpretiert. Mit einer Regressionsanalyse wird untersucht, ob bzw. wie stark zwei Werte zusammenhängen. Damit können vermutete Zusammenhänge bestätigt oder verneint werden.
Die Regressionsgerade kann verwendet werden, um einen Prognosewert zu berechnen. Grundsätzlich kann eine Regressionsanalyse mit zwei beliebigen Werten durchgeführt werden. Es empfiehlt sich, Werte zu verwenden, bei denen bereits ein Zusammenhang vermutet wird.

Dieses Beispiel baut auf dem Anwendungsbeispiel zur Masterseite und Datenobjekten auf und verwendet den gleichen Bericht. Sie können für dieses Beispiel auch einen neuen Bericht anlegen.

Anker
Datengrundlage Datengrundlage

Datengrundlage

Für diese Regressionsanalyse werden die durchschnittlichen monatlichen Sonnenstunden im Jahr 2019 mit dem entsprechenden Energiebedarf für die Beleuchtung von Büroräumen verglichen. Mit Sonnenstunden werden die Zeiträume bezeichnet, in denen die Sonne ungehindert scheint.

Die zeitlichen Verläufe der beiden Messwerte sind in der rechten Abbildung dargestellt. Es wird vermutet, dass weniger Energie für die Beleuchtung benötigt wird, je häufiger die Sonne scheint. Diese Vermutung wird mit der Regressionsanalyse untersucht.

Anker
Vorbereitung Vorbereitung

Vorbereitung

Stellen Sie sicher, dass alle Messwerte, die Sie verwenden möchten, in der GridVis®-Web zur Verfügung stehen. Verwenden Sie bei Bedarf den Daten-Import (DI).

Beachten Sie, dass Einstellungen wie beispielsweise die Aggregation vom gewünschten Anwendungszweck abhängen. Weichen Sie daher ggf. von diesem Beispiel ab.

Anker
Einstieg Einstieg

Einstieg

Fügen Sie dem Bericht eine neue Seite hinzu.

Anker
RegressionsanalyseDurchfuehren RegressionsanalyseDurchfuehren

Regressionsanalyse durchführen

Klicken Sie im Berichtsnavigator auf die Seite, die die Regressionsanalyse enthalten soll. In diesem Beispiel soll die Regressionsanalyse die Seite vollständig ausfüllen.

Regressions-Streudiagramm

1. Platzieren Sie das Objekt Regressions-Streudiagramm auf der Seite. Ordnen Sie es so an, dass es die Seite ausfüllt.
2. Aktivieren Sie die Anzeige der Titel- und Statuszeile und des Rahmens.
3. Wählen Sie die Messwerte aus, die in der Analyse verwendet werden sollen. Der erste Eintrag in der Liste der ausgewählten Messwerte wird für die X-Achse, der zweite für die Y-Achse verwendet. Achten Sie auf die korrekte Anordnung und ändern Sie diese ggf. per Drag-and-drop. In diesem Beispiel steht die Beleuchtung an zweiter Stelle. Dadurch wird im Diagramm der Energiebedarf der Beleuchtung in Abhängigkeit von den Sonnenstunden dargestellt.
   Vergeben Sie für die Messwerte aussagekräftige Anzeigenamen. Entfernen Sie alle Einträge aus dem Feld Legende, um nur den Anzeigenamen als Achsenbeschriftung zu verwenden.
   Stellen Sie eine geeignete Skalierung und die korrekten Messwerteigenschaften ein.
   Klicken Sie auf Speichern, um die Messwerte dem Diagramm hinzuzufügen.
4. Stellen Sie die für Ihren Anwendungszweck nötige Aggregation ein. In diesem Beispiel wird die Aggregation Monat verwendet.
5. Stellen Sie den Zeitraum ein, den Sie untersuchen möchten. Weichen Sie falls nötig vom Berichtszeitraum ab. Dieses Beispiel verwendet als Zeitraum das Jahr 2019.
   Deaktivieren Sie die Anzeige der Legende.
   Aktivieren Sie die Anzeige des Regressionsergebnisses und der Achsenbeschriftung.
6. Überprüfen Sie die Abstände zur Kopf- und Fußzeile.

Anker
Ergebnis Ergebnis

Ergebnis

Unter dem Diagramm werden bis zu drei Informationen angegeben: Die Regressionsgerade, das Bestimmtheitsmaß und bei starken Zusammenhängen eine Interpretation des Bestimmtheitsmaßes.

Regressionsgerade
Die Regressionsgerade ist eine Ausgleichsgerade zwischen den einzelnen Messpunkten. Sie kann verwendet werden, um einen Prognosewert zu berechnen. In diesem Beispiel zeigt sich, dass mit zunehmenden Sonnenstunden der Energiebedarf für die Beleuchtung sinkt.

Rechenbeispiel:
Es gilt Beleuchtung = -34.95 kWh/h * Sonnenstunden + 508.6 kWh.
Bei 6 h Sonne werden voraussichtlich -34.95 kWh/h * 6 h + 508.6 kWh = -209.7 kWh + 508.6 kWh = 298.9 kWh im Monat für die Beleuchtung benötigt.

Beachten Sie, dass die Qualität der Prognose von den verwendeten Daten abhängt. Für eine genaue Prognose wird in diesem Beispiel ein genauer Wert für die Sonnenstunden benötigt.  Dieser setzt wiederum eine genaue Wettervorhersage voraus. Dadurch entspricht die Qualität der Prognose des Energiebedarfs für die Beleuchtung letztlich der Qualität der verwendeten Wettervorhersage.

Bestimmtheitsmaß
Das Bestimmtheitsmaß R² gibt an, wie stark der Zusammenhang zwischen den Messwerten ist. R² bewegt sich im Bereich zwischen 0 und 1. Je näher der Wert an 1 ist, desto stärker ist der Zusammenhang. In diesem Beispiel hat R² den Wert 0.8844, es besteht also ein starker Zusammenhang zwischen den Sonnenstunden und dem Energiebedarf der Beleuchtung.

Application Example Regression Analysis

In this example, a regression analysis is performed and the result is interpreted. A regression analysis is used to examine whether and to what degree two values correlate. This allows suspected correlations to be either confirmed or negated.
The regression line can be used to calculate a forecast value. As a matter of principle, a regression analysis can be performed with any two values. It is recommended that values be used between which a correlation is suspected.

This example is based on the application example for the Anwendungsbeispiel Masterseite und Datenobjekte and uses the same report. You can also create a new report for this example.

Anker
Datengrundlage Datengrundlage

Data Basis

In this regression analysis, the average monthly hours of sunlight in the year 2019 are compared with the corresponding energy demand for office lighting. Sunlight hours are defined as the time periods in which the sun shines with no obstruction.

The time histories of the two measurement values are shown in the figure on the right. The supposition is that less energy is required for lighting the more frequently the sun shines. This supposition is to be examined using the regression analysis.

Anker
Vorbereitung Vorbereitung

Preparation

Make sure that all the measured values you want to use are available in GridVis® Web. If necessary, use the Data Import (DI).

Bear in mind that settings such as the aggregation depend on the desired application purpose. Deviate from this example as needed.

Anker
Einstieg Einstieg

Getting Started

Add a new Page to the report.

Anker
RegressionsanalyseDurchfuehren RegressionsanalyseDurchfuehren

Perform the Regression Analysis

In the report navigator, click on the Seite that is to contain the regression analysis. In this example, the regression analysis is intended to fill the entire page.

Regression Scatter Chart

1. Place the object Regression Scatter Chart on the page. Arrange it so that it fills the entire page.
2. Activate the display of the title and status bar and the frame.
3. Select the measurement values that are to be used in the analysis. The first entry in the list of the selected measurement values is used for the X-axis, the second for the Y-axis. Ensure the orientation is correct and modify it as needed using drag-and-drop. In this example, the lighting is second. This means that the energy demand for lighting is shown as a function of the sunlight hours in the chart.
   Assign meaningful display names for the measurement values. Remove all entries from the Legend field to use only the display name as the label for the axis.
   Set a suitable scaling and the correct measurement value properties.
   Click Save, to add the measurement values to the chart.
4. Set the aggregation you need for your application purpose. This example uses the aggregation Month.
5. Set the time period you wish to examine. If needed, deviate from the time period in the report. This example uses the year 2019 as the time period.
   Deactivate display of the legend.
   Activate display of the regression result and the axis label.
6. Check the distances to the header and footer.

Anker
Ergebnis Ergebnis

Result

Up to three items of information are shown below the chart: The regression line, the coefficient of determination and, for strong correlations, an interpretation of the coefficient of determination.

Regression line
The regression line is a best-fit line between the individual measurement points. It can be used to calculate a forecast value. This example shows that with an increase in sunlight hours, the energy demand for lighting sinks.

Calculation example:
Lighting = -34.95 kWh/h * sunlight hours + 508.6 kWh.
With 6 hours of sunlight, it is expected that -34.95 kWh/h * 6 h + 508.6 kWh = -209.7 kWh + 508.6 kWh = 298.9 kWh will be required per month for lighting.

Bear in mind that the quality of the forecast depends on the data used. For a precise forecast in this example, a precise value for the sunlight hours is required.  This, in turn, requires a precise weather forecast. Consequently, the quality of the forecast for the energy demand for lighting ultimately corresponds to the quality of the weather forecast used.

Coefficient of determination
The coefficient of determination, R², indicates how strong the correlation is between the measured values. R² varies in the range of between 0 and 1. The closer the value is to 1, the stronger the correlation. In this example, R² is 0.8844, which means there is a strong correlation between the sunlight hours and the energy demand for lighting.

Ejemplo de aplicación análisis de regresión

En este ejemplo se realiza un análisis de regresión y se interpreta el resultado. Con un análisis de regresión se analiza si existe una relación entre dos valores y cuál es la intensidad de esta relación. Esto permite confirmar o negar unas relaciones supuestas.
La línea de regresión puede utilizarse para calcular un valor de pronóstico. Fundamentalmente, un análisis de regresión puede realizarse con dos valores cualesquiera. Se recomienda utilizar valores en los que ya se supone la existencia de una relación.

Este ejemplo se basa en el ejemplo de aplicación acerca de la Anwendungsbeispiel Masterseite und Datenobjekte y utiliza el mismo informe. Usted también puede crear un nuevo informe para este ejemplo.

Anker
Datengrundlage Datengrundlage

Base informativa

Para este análisis de regresión se compara el promedio de las horas de sol mensuales del año 2019 con el consumo energético correspondiente para la iluminación de oficinas. Las horas de sol se refieren a los periodos de tiempo en los que el sol brilla sin impedimentos.

Los desarrollos temporales de los dos valores de medición están representados en la figura derecha. Se supone que cuanto más frecuentemente brille el sol, menos energía se necesita para la iluminación. Esta suposición se analiza con el análisis de regresión.

Anker
Vorbereitung Vorbereitung

Preparación

Cerciórese de que todos los valores de medición que desea utilizar están disponibles en GridVis®-Web. En caso necesario, utilice la Daten-Import (DI).

Tenga en cuenta que los ajustes, como, por ejemplo, la agregación, dependen de la finalidad de uso deseada. Por este motivo, desvíese de este ejemplo si resultase necesario.

Anker
Einstieg Einstieg

Iniciación

Agregue una nueva página al informe.

Anker
RegressionsanalyseDurchfuehren RegressionsanalyseDurchfuehren

Realizar un análisis de regresión

En el navegador de informe, haga clic en la página que deba contener el análisis de regresión. En este ejemplo, el análisis de regresión debe llenar completamente la página.

Diagrama de dispersión de regresión

1. Coloque el objeto Diagrama de dispersión de regresión en la página. Dispóngalo de tal manera que llene la página.
2. Active la visualización de la barra de título y de la línea de estado y del marco.
3. Seleccione los valores de medición que deban utilizarse en el análisis. La primera entrada de la lista de los valores de medición seleccionados se utiliza para el eje X, y la segunda, para el eje Y. Preste atención a la disposición correcta y, dado el caso, modifíquela mediante la función de arrastrar y soltar. En este ejemplo la iluminación se encuentra en la segunda posición. De esta manera en el diagrama se representa el consumo energético de la iluminación en función de las horas de sol.
   Asigne unos nombres de visualización de gran valor informativo para los valores de medición. Elimine todas las entradas del campo Leyenda para utilizar únicamente el nombre de visualización como rotulación de eje.
   Ajuste una escala adecuada y las propiedades correctas de los valores de medición.
   Haga clic en Guardar para agregar los valores de medición al diagrama.
4. Ajuste la agregación necesaria para su finalidad de uso. En este ejemplo se utiliza la agregación Mes.
5. Ajuste el periodo de tiempo que desee analizar. Desvíese del periodo de tiempo del informe si resultase necesario. Este ejemplo utiliza el año 2019 como periodo de tiempo.
   Desactive la visualización de la leyenda.
   Active la visualización del resultado de la regresión y de la rotulación de eje.
6. Compruebe las distancias del encabezado y del pie de página.

Anker
Ergebnis Ergebnis

Resultado

Debajo del diagrama se indican hasta tres informaciones: la línea de regresión, el coeficiente de determinación, así como una interpretación del coeficiente de determinación en el caso de unas relaciones intensas.

Línea de regresión
La línea de regresión es una línea de compensación entre los diferentes puntos de medición. Puede utilizarse para calcular un valor de pronóstico. En este ejemplo se ve que con el aumento de las horas de sol disminuye el consumo energético para la iluminación.

Ejemplo de cálculo:
Rige: iluminación = -34.95 kWh/h * horas de sol + 508.6 kWh.
Con 6 h de sol, previsiblemente se necesitan -34.95 kWh/h * 6 h + 508.6 kWh = -209.7 kWh + 508.6 kWh = 298.9 kWh al mes para la iluminación.

Tenga en cuenta que la calidad del pronóstico depende de los datos utilizados. Para un pronóstico exacto, en este ejemplo se necesita un valor preciso para las horas de sol.  A su vez, esto presupone una previsión meteorológica exacta. Así la calidad del pronóstico del consumo energético para la iluminación, en última instancia equivale a la calidad de la previsión meteorológica utilizada.

Coeficiente de determinación
El coeficiente de determinación R² indica la intensidad de la relación entre los valores de medición. R² oscila en el rango entre 0 y 1. Cuanto más próximo de 1 esté el valor, más intensa la relación. En este ejemplo R² tiene el valor 0.8844, por lo tanto existe una relación intensa entre las horas de sol y el consumo energético de la iluminación.

Esempio di applicazione dell’analisi di regressione

In questo esempio, viene effettuata un’analisi di regressione e ne viene interpretato il risultato. L’analisi di regressione viene utilizzata per esaminare se o quanto fortemente due valori sono correlati. Questo può essere utilizzato per confermare o negare correlazioni sospette.
La retta di regressione può essere utilizzata per calcolare un valore di previsione. In linea di principio, l’analisi di regressione può essere effettuata con due valori qualsiasi. È consigliabile utilizzare valori in cui si sospetta già una correlazione.

Questo esempio si basa sull’esempio di applicazione dell’opzione Pagina principale e oggetti di dati e utilizza lo stesso report. È anche possibile creare un nuovo report per questo esempio.

Anker
Datengrundlage Datengrundlage

Base di dati

Per questa analisi di regressione, le ore di sole medie mensili nel 2019 vengono confrontate con la corrispondente domanda di energia per l’illuminazione degli uffici. Le ore di sole sono i periodi in cui il sole splende senza ostacoli.

L’andamento temporale delle due letture viene mostrato nella figura a destra. Si presume che l’energia necessaria per l’illuminazione sia tanto minore quanto più spesso splende il sole. Questa ipotesi viene esaminata con l’analisi di regressione.

Anker
Vorbereitung Vorbereitung

Preparazione

Assicurarsi che tutte le letture che si desidera utilizzare siano disponibili in GridVis®-Web. Se necessario, utilizzare Importazione dati (ID).

Si noti che impostazioni come l’aggregazione dipendono dalla finalità dell’applicazione desiderata. Pertanto, ove non pertinente, discostarsi da questo esempio.

Anker
Einstieg Einstieg

Iniziazione

Aggiungere un nuovo nome Pagina.

Anker
RegressionsanalyseDurchfuehren RegressionsanalyseDurchfuehren

Eseguire l’analisi di regressione

Nel navigatore di report, fare clic sulla Pagina, che l’analisi di regressione deve contenere. In questo esempio, l’analisi di regressione dovrebbe riempire completamente la pagina.

Grafico a dispersione della regressione

1. Posizionare l’oggetto Grafico a dispersione della regressione nella pagina. Disporlo in modo da riempire la pagina.
2. Attivare la visualizzazione della barra del titolo e di stato e della cornice.
3. Selezionare le letture da utilizzare nell’analisi. La prima voce dell’elenco delle letture selezionate viene utilizzata per l’asse X, la seconda per l’asse Y. Prestare attenzione alla disposizione corretta e modificarla con il trascinamento, se necessario. In questo esempio, l’illuminazione è al secondo posto. Questo significa che il fabbisogno energetico dell’illuminazione viene mostrato nel diagramma in funzione delle ore di sole.
   Assegnare alle letture nomi di visualizzazione che abbiano un significato. Rimuovere tutte le voci dal campo Legenda per utilizzare solo il nome visualizzato come etichetta dell’asse.
   Impostare un adattamento adeguato e le proprietà corrette della lettura.
   Fare clic su Salva per aggiungere le letture al grafico.
4. Impostare l’aggregazione necessaria per lo scopo dell’applicazione. In questo esempio, viene utilizzata l’aggregazione Mese.
5. Impostare il periodo che si desidera esaminare. Se necessario, scostarsi dal periodo di riferimento. Questo esempio utilizza l’anno 2019 come periodo di riferimento.
   Disattivare la visualizzazione della legenda.
   Attivare la visualizzazione del risultato della regressione e dell’etichettatura dell’asse.
6. Controllare le distanze dall’intestazione e dal piè di pagina.

Anker
Ergebnis Ergebnis

Risultato

Sotto il diagramma vengono fornite fino a tre informazioni: La retta di regressione, il coefficiente di determinazione e, in caso di forti correlazioni, un’interpretazione del coefficiente di determinazione.

Retta di regressione
La retta di regressione è una linea di compensazione tra i singoli punti di misura. Può essere utilizzata per calcolare un valore di previsione. Questo esempio mostra che la domanda di energia per l’illuminazione diminuisce con l’aumentare delle ore di sole.

Esempio di calcolo:
Illuminazione = -34,95 kWh/h * ore di sole + 508,6 kWh.
Con 6 ore di sole, si prevede che per l’illuminazione saranno necessari -34,95 kWh/h * 6 h + 508,6 kWh = -209,7 kWh + 508,6 kWh = 298,9 kWh al mese.

Si noti che la qualità della previsione dipende dai dati utilizzati. Per una previsione accurata, in questo esempio è necessario un valore esatto per le ore di sole.  Questo richiede a sua volta previsioni meteorologiche accurate. Di conseguenza, la qualità della previsione della domanda di energia per l’illuminazione corrisponde in ultima analisi alla qualità delle previsioni meteorologiche utilizzate.

Coefficiente di determinazione
Il coefficiente di determinazione R² indica quanto è forte la correlazione tra le letture. R² è compreso tra 0 e 1. Più il valore è vicino a 1, più forte è la correlazione. In questo esempio R² ha come valore 0.8844, quindi c’è una forte correlazione tra le ore di sole e il fabbisogno energetico dell’illuminazione.