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.
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.
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.
Fügen Sie dem Bericht eine neue Seite hinzu.
|
Klicken Sie im Berichtsnavigator auf die Seite, die die Regressionsanalyse enthalten soll. In diesem Beispiel soll die Regressionsanalyse die Seite vollständig ausfüllen.
|
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.