Линии тренда

Trend lines can be added to all 2D chart types except for Pie and Stock charts.

1. To insert a trend line for a data series, first double-click the chart to enter edit mode and select the data series in the chart to which a trend line is to be created.

2. Choose Insert - Trend Line, or right-click the data series to open the context menu, and choose Insert Trend Line.

3. Mean Value Lines are special trend lines that show the mean value. Use Insert - Mean Value Lines to insert mean value lines for data series.

4. To delete a trend line or mean value line, click the line, then press the Del key.

Линия тренда имеет тот же самый цвет, что и соответствующий ряд данных. Для изменения свойств линии выделите линию тренда и выберите Формат – Выбор формата – Линия.

Trend Line Equation and Coefficient of Determination

When the chart is in edit mode, LibreOffice gives you the equation of the trend line and the coefficient of determination R², even if they are not shown: click on the trend line to see the information in the status bar.

To show the trend line equation, select the trend line in the chart, right-click to open the context menu, and choose Insert Trend Line Equation.

To change format of values (use less significant digits or scientific notation), select the equation in the chart, right-click to open the context menu, and choose Format Trend Line Equation - Numbers.

Default equation uses x for abscissa variable, and f(x) for ordinate variable. To change these names, select the trend line, choose Format - Format Selection – Type and enter names in X Variable Name and Y Variable Name edit boxes.

To show the coefficient of determination R², select the equation in the chart, right-click to open the context menu, and choose Insert R².

Trend Lines Curve Types

The following regression types are available:

• Linear trend line: regression through equation y=a∙x+b. Intercept b can be forced.

• Polynomial trend line: regression through equation y=Σ_i(a_i∙xⁱ). Intercept a₀ can be forced. Degree of polynomial must be given (at least 2).

• Logarithmic trend line: regression through equation y=a∙ln(x)+b.

• Exponential trend line: regression through equation y=b∙exp(a∙x).This equation is equivalent to y=b∙m^x with m=exp(a). Intercept b can be forced.

• Power trend line: regression through equation y=b∙x^a.

• Moving average trend line: simple moving average is calculated with the n previous y-values, n being the period. No equation is available for this trend line.

Ограничения

При расчёте линии тренда учитываются только пары данных со следующими значениями:

• Logarithmic trend line: only positive x-values are considered.

• Exponential trend line: only positive y-values are considered, except if all y-values are negative: regression will then follow equation y=-b∙exp(a∙x).

• Power trend line: only positive x-values are considered; only positive y-values are considered, except if all y-values are negative: regression will then follow equation y=-b∙x^a.

Необходимо преобразовать данные соответствующим образом; рекомендуется создать копию исходных данных и работать с ней.

Calculate Parameters in Calc

Также параметры можно вычислить с помощью функций Calc следующим образом.

Уравнение линейной регрессии

Линейная регрессия соответствует уравнению y = m*x + b.

m = НАКЛОН(Данные_Y; Данные_X)

b = ОТРЕЗОК(Данные_Y; Данные_X)

Расчёт коэффициента определения по

r² = КВПИРСОН(Данные_Y; Данные_X)

Besides m, b and r² the array function LINEST provides additional statistics for a regression analysis.

The logarithmic regression equation

The logarithmic regression follows the equation y=a*ln(x)+b.

a = SLOPE(Данные_Y; LN(Данные_X))

b = ОТРЕЗОК(Данные_Y; LN(Данные_X))

r² = КВПИРСОН(Данные_Y; LN(Данные_X))

Уравнение экспоненциальной регрессии

Для кривых экспоненциальной регрессии выполняется преобразование в линейную модель. Оптимальное соответствие кривой достигается по линейной модели, результаты которой интерпретируются соответствующим образом.

The exponential regression follows the equation y=b*exp(a*x) or y=b*m^x, which is transformed to ln(y)=ln(b)+a*x or ln(y)=ln(b)+ln(m)*x respectively.

a = SLOPE(LN(Данные_Y); Данные_X)

Переменные для второго варианта вычисляются следующим образом:

m = EXP(SLOPE(LN(Данные_Y); Данные_X))

b = EXP(ОТРЕЗОК(LN(Данные_Y); Данные_X))

Расчёт коэффициента определения по

r² = КВПИРСОН(LN(Данные_Y); Данные_X)

Besides m, b and r² the array function LOGEST provides additional statistics for a regression analysis.

Уравнение потенциальной регрессии

For power regression curves a transformation to a linear model takes place. The power regression follows the equation y=b*x^a, which is transformed to ln(y)=ln(b)+a*ln(x).

a = SLOPE(LN(Данные_Y); LN(Данные_X))

b = EXP(ОТРЕЗОК(LN(Данные_Y); LN(Данные_X))

r² = КВПИРСОН(LN(Данные_Y); LN(Данные_X))

Уравнение полиномиальной регрессии

For polynomial regression curves a transformation to a linear model takes place.

Create a table with the columns x, x², x³, … , xⁿ, y up to the desired degree n.

Use the formula =LINEST(Data_Y,Data_X) with the complete range x to xⁿ (without headings) as Data_X.

The first row of the LINEST output contains the coefficients of the regression polynomial, with the coefficient of xⁿ at the leftmost position.

The first element of the third row of the LINEST output is the value of r². See the LINEST function for details on proper use and an explanation of the other output parameters.