Contents

1 Введение
2 Пример 1 – использование коэффициентов для построения тренда
- 2.1 Линейная регрессия с помощью рассчитанных коэффициентов
- 2.2 Стандартные инструменты построения трендов в QlikView
3 Построение трендов без предварительного расчета коэффициентов
4 QlikView и R-Project
5 Видео материалы по прогнозированию и статистической обработки данных в QlikView
6 Скачать примеры в QlikView с трендами

Введение

Прежде, чем переходить к изучению построения трендов в QlikView, рекомендую ознакомиться со следующими статьями:

Построение трендов в QlikView позволяет пользователям оценивать планируемые значения, на основе которых строят прогнозные модели.
Статистические функции в QlikView дают возможность строить тренды на основе линейной регрессии.
Формула регрессии при одном факторе:
y = mx + b
Формула регрессии при нескольких факторах:
y = m1x1 + m2x2 +… + b

Пример 1 – использование коэффициентов для построения тренда

[Исходные данные]:
LOAD * inline [
Координата X|Координата Y
1|0
2|1
3|3
4|8
5|14
6|20
7|0
8|50
9|25
10|60
11|38
12|19
13|26
14|143
15|98
16|27
17|59
18|78
19|158
20|279
]
(delimiter is '|');

[Рассчитанные данные коэффициентов]:
LOAD
linest_M([Координата Y],[Координата X]) as Linest_M,
linest_B([Координата Y],[Координата X]) as Linest_B,
linest_R2([Координата Y],[Координата X]) as Linest_R2,
linest_DF([Координата Y],[Координата X]) as Linest_DF,
linest_F([Координата Y],[Координата X]) as Linest_F,
linest_SEB([Координата Y],[Координата X],1,1) as Linest_SEB,
linest_SEM([Координата Y],[Координата X]) as Linest_SEM,
linest_SEY([Координата Y],[Координата X]) as Linest_SEY,
linest_SSREG([Координата Y],[Координата X]) as Linest_SSREG,
linest_SSRESID([Координата Y],[Координата X]) as Linest_SSRESID
resident [Исходные данные];

[Исходные данные]:

LOAD * inline [

Координата X|Координата Y

1|0

2|1

3|3

4|8

5|14

6|20

7|0

8|50

9|25

10|60

11|38

12|19

13|26

14|143

15|98

16|27

17|59

18|78

19|158

20|279

]

(delimiter is '|');

[Рассчитанные данные коэффициентов]:

LOAD

linest_M([Координата Y],[Координата X]) as Linest_M,

linest_B([Координата Y],[Координата X]) as Linest_B,

linest_R2([Координата Y],[Координата X]) as Linest_R2,

linest_DF([Координата Y],[Координата X]) as Linest_DF,

linest_F([Координата Y],[Координата X]) as Linest_F,

linest_SEB([Координата Y],[Координата X],1,1) as Linest_SEB,

linest_SEM([Координата Y],[Координата X]) as Linest_SEM,

linest_SEY([Координата Y],[Координата X]) as Linest_SEY,

linest_SSREG([Координата Y],[Координата X]) as Linest_SSREG,

linest_SSRESID([Координата Y],[Координата X]) as Linest_SSRESID

resident [Исходные данные];

После загрузки данных получаются две таблицы в документе QlikView:

Содержание таблиц будет следующим:

Линейная регрессия с помощью рассчитанных коэффициентов

Создадим диаграмму-график, в выражениях которой будут находиться следующие формулы:

=Linest_M*[Координата X]+Linest_B
=(Linest_M+Linest_SEM)*[Координата X]+(Linest_B+Linest_SEB)
=(Linest_M+Linest_SEM)*[Координата X]+Linest_B
=Linest_M*[Координата X]+(Linest_B+Linest_SEB)

=Linest_M*[Координата X]+Linest_B

=(Linest_M+Linest_SEM)*[Координата X]+(Linest_B+Linest_SEB)

=(Linest_M+Linest_SEM)*[Координата X]+Linest_B

=Linest_M*[Координата X]+(Linest_B+Linest_SEB)

Стандартные инструменты построения трендов в QlikView

Стандартный инструментарий построения трендовых линий находится на вкладке Expression:

В QlikView можно построить для заданного выражения 6 типов линий трендов:
• Average
• Linear
• Polynomial of 2nd degree
• Polynomial of 3rd degree
• Polynomial of 4th degree
• Exponential
Пример 1 – Average

Пример 2 – Linear

Пример 3 – Polynomial of 2nd degree

Пример 4 – Polynomial of 3rd degree

Пример 5 – Polynomial of 4th degree

Пример 6 – Exponential

Построение трендов без предварительного расчета коэффициентов

Вариант 1
Как построить Sales Trend (график красного цвета)?

/*Линейная регрессия, это функция y=mx+b*/
/*m - получаем при помощи функции linest_m(выражение_y, выражение_x [, y0 [, x0 ]])*/
linest_m(
        /*Сначала идет выражение, которое возвращает набор y значений*/
        total aggr(
            if(
                sum(Sales),
                sum(Sales)
            ),
            Month
        ),
        /*На второй позиции стоит выражение x, т.е. номер месяца (в нашем случае регрессионная модель зависит от 1 фактора)*/
        Month
   )

/*Теперь получаем множитель x, т.е. месяц*/
* only({1}Month)

/*b - получаем при помощи функции linest_b (выражение_y, выражение_x [, y0 [, x0 ]])*/
+ linest_b(
        /* Сначала идет выражение, которое возвращает набор y значений */
        total aggr(
            if(
                sum(Sales),
                sum(Sales)
            ),
            Month
        ),
        /*На второй позиции стоит выражение x, т.е. номер месяца (в нашем случае регрессионная модель зависит от 1 фактора)*/
        Month
   )

/*Линейная регрессия, это функция y=mx+b*/

/*m - получаем при помощи функции linest_m(выражение_y, выражение_x [, y0 [, x0 ]])*/

linest_m(

/*Сначала идет выражение, которое возвращает набор y значений*/

total aggr(

if(

sum(Sales),

sum(Sales)

Month

/*На второй позиции стоит выражение x, т.е. номер месяца (в нашем случае регрессионная модель зависит от 1 фактора)*/

Month

)

/*Теперь получаем множитель x, т.е. месяц*/

* only({1}Month)

/*b - получаем при помощи функции linest_b (выражение_y, выражение_x [, y0 [, x0 ]])*/

+ linest_b(

/* Сначала идет выражение, которое возвращает набор y значений */

total aggr(

if(

sum(Sales),

sum(Sales)

Month

)

Вариант 2
Как построить прогноз на столбчатой диаграмме?

if(not sum(Sales),
linest_m(
        total aggr(
            if(
                sum(Sales),
                sum(Sales)
            ),
            Month
        ),
        Month
)
* only({1}Month)
+ linest_b(
        total aggr(
            if(
                sum(Sales),
                sum(Sales)
            ),
            Month
        ),
        Month
  )
)

if(not sum(Sales),

linest_m(

total aggr(

if(

sum(Sales),

sum(Sales)

Month

)

* only({1}Month)

+ linest_b(

total aggr(

if(

sum(Sales),

sum(Sales)

Month

)

Вариант 3

if(sum(Sales),sum(Sales)
,linest_m(total aggr(if(sum(Sales),sum(Sales)),Month),Month)*only({1}Month )
+linest_b(total aggr(if(sum(Sales),sum(Sales)),Month),Month))

if(sum(Sales),sum(Sales)

,linest_m(total aggr(if(sum(Sales),sum(Sales)),Month),Month)*only({1}Month )

+linest_b(total aggr(if(sum(Sales),sum(Sales)),Month),Month))

QlikView и R-Project

R — язык программирования для статистической обработки данных и работы с графикой, а также свободная программная среда вычислений с открытым исходным кодом в рамках проекта GNU. R можно бесплатно скачать из Comprehensive R Archive Network (сокращенно CRAN) по адресу http://cran.r-project.org. Предварительно скомпилированные загрузочные файлы доступны для Linux, Mac OS X и Windows.
В R реализовано множество функций для доступа к внешним источникам данных, включая текстовые файлы с разделителями, веб-файлы, статистические программы, электронные таблицы и базы данных.
Все объекты R хранятся в виртуальной памяти. При работе с большими наборами данных необходимо использовать 64-битную версию программы.
Есть три аспекта, которые нужно учитывать при работе с большими объемами данных:
a) эффективное программирование для ускорения выполнения программ,
b) внешнее хранение данных для ограничения обращений к памяти,
c) использование специальных статистических методов, разработанных для эффективного анализа больших объемов данных.
Существует несколько пакетов, предназначенных для хранения данных вне оперативной памяти R. Идея заключается в том, чтобы хранить данные во внешних базах данных или в неструктурированных двоичных файлах на диске, а затем загружать эти данные частями по мере необходимости.

Эспорт данных из R-Project

Для QlikView подойдут следующие виды форматов для экспорта данных:

Текстовый файл с разделителями
Таблица Excel

Автоматизация работы с R-Project

Способ запуска программы в пакетном режиме зависит от типа операционной системы. В Windows это можно делать при помощи ввода следующей команды в консоли:

“C:\Program Files\R\R-2.13.0\bin\R.exe” CMD BATCH --vanilla --slave “c:\my projects\myscript.R”

1	“C:\Program Files\R\R-2.13.0\bin\R.exe” CMD BATCH --vanilla --slave “c:\my projects\myscript.R”

,в которой прописаны пути к файлу R.exe и к файлу с программным кодом. Дополнительная информация по этой теме, в том числе использование опций в командной строке, содержится в пособии «Введение в R» («Introduction to R») на сайте CRAN (http://cran.r-project.org).

Схема интеграции QlikView и R-Project

Литература по языку R

Роберт И. Кабаков — «R в действии. Анализ и визуализация данных в программе R»

Видео материалы по прогнозированию и статистической обработки данных в QlikView

Скачать примеры в QlikView с трендами