PowerBI多元迴歸預測資料(R語言)

前幾天寫了一篇直接在PowerBI裡面使用度量值做一元迴歸的內容，雖然靈活性很高，但是實際中對一個結果影響的因素是很多的，還是使用多元迴歸的場景更多。而且我們藉助統計分析包不僅可以計算出迴歸引數，還可以看看一些衡量模型的重要指標，比如R2/調整的R2，還可以透過置信區間的設定來求出預測區間。

我們這次的案例是有四個影響GMV值得因素，UV訪客數、推廣費用的投入、整體商品降價水平（優惠力度）和客服的服務評分，透過計算這四個因素的具體影響值來求出預測GMV，本次使用的是在PowerBI資料集的基礎上呼叫R script來實現，下次再來用Python實現。資料和模型會放在最後供下載學習使用，資料如下↓

下面開始實現，首先在PowerQuery裡面載入資料，載入的資料和我們原始資料內容一樣，當然如果是訂單明細資料，只需要進行一下按日期Group by就行了。

這就是我們需要處理的資料樣式，就是表格，在R語言裡面叫做資料框，然後我們需要在PowerQuery裡面呼叫R語言指令碼，在Transform選單下面最後一列↓

點選後就會出現R語言指令碼的編輯器，這裡就不介紹R語言如何實現多元線性迴歸模型的了，我記得之前R語言的集合裡面有詳細介紹

《R語言_018迴歸》

，有興趣的可以翻去看看。主要就是使用lm擬合多個引數，然後我們這裡再把擬合的結果求出來就行了，程式碼也很簡單，如下↓

fit <- lm（gmv ~ uv + promotion_exp + price_diff + service_score，

data=dataset）

df<- data。frame（coef（fit））

names（df）［names（df）==“coef。fit。”］ <- “coefficients”

df［‘variables’］ <- row。names（df）

再多說一句，不管是呼叫R語言還是Python，不管PowerQuery裡面當前的流程是怎麼命名的，在指令碼編輯器裡面的資料集都是用dataset命名的。最後執行結果如下↓

於是我們已經得到了我們最需要的幾個引數，根據我們的歷史資料，得出來的截距是-41045，uv的影響是12。62（每新增100個使用者就會帶來1262的GMV），費用投入影響是24。21（每投入100元帶來2421的GMV），降價影響1074（每降價1元帶來1074GMV），服務評分影響是8855（評分每增加0。1分GMV增加885）。總體看來各項因素對GMV都有一定的影響，在此基礎上，我們如果想要達到目標的GMV，就可以從這幾方面入手了。

然後回到PowerBI，我們把這幾個引數用度量值寫下來，再把公式寫出來，DAX語句和結果如下↓

Intercept = CALCULATE（SUM（‘迴歸係數’［coefficients］），‘迴歸係數’［variables］=“（Intercept）”）

UV = CALCULATE（SUM（‘迴歸係數’［coefficients］），‘迴歸係數’［variables］=“uv”）

promotion_exp = CALCULATE（SUM（‘迴歸係數’［coefficients］），‘迴歸係數’［variables］=“promotion_exp”）

price_diff = CALCULATE（SUM（‘迴歸係數’［coefficients］），‘迴歸係數’［variables］=“price_diff”）

service_score = CALCULATE（SUM（‘迴歸係數’［coefficients］），‘迴歸係數’［variables］=“service_score”）

關鍵值和預測GMV的公式我們都有了，我們就可以帶入相關值進行預測了，只需要新建四個引數就行了，然後新建一個預測的度量值就行了，度量值和結果如下↓

預測公式 =

“預計GMV公式 = ” & UNICHAR（10） &

FORMAT（［Intercept］，“#0”） &

“ + UV*” & FORMAT（［UV］，“#0。00”） &

“ + 費用*” & FORMAT（［promotion_exp］，“#0。00”） &

“ + 降價*” & FORMAT（［price_diff］，“#0”） &

“ + 服務分*” & FORMAT（［service_score］，“#0”）

當然我們還沒有結束，前面說過我們我們還可以加入很多值來判斷這個模型的好壞，其中一個很重要的指標就是R2和調整的R2，當然我們還可以檢驗線性關係、共線性等問題。這裡我們以R2舉例，還是在PowerQuery裡面來實現，只需要把R語言程式碼改一下就行了，程式碼和結果如下↓

fit <- lm（gmv ~ uv + promotion_exp + price_diff + service_score，

data=dataset）

s1 <- summary（fit）

df <- data。frame（name = c（“R2”，“R2ajd”），

values = c（s1$r。squared，s1$adj。r。squared））

得到了R2和調整的R2，0。78，說明這個多元線性迴歸模型還是相當的不錯，如果在真實場景中有這麼高的R2，就燒高香把。簡單說明前面的4個因素就已經能夠解釋78%的結果了，價值非常高，再去找找其他因素整個模型就越來越完美了，然後我們照例把度量值建立起來，等一下放在圖裡面，DAX語句如下↓

R2 = CALCULATE（SUM（［values］），‘R2’［name］=“R2”）

R2ajd = CALCULATE（SUM（［values］），‘R2’［name］=“R2ajd”）

上面我們是進行點預測的，就是影響引數值固定的，變數後預測的結果是一個固定的值，有時候我們還想看看預測的區間，看看整個區間我們能不能夠接受，這裡我們就可以呼叫R語言裡面迴歸擬合結果的置信區間範圍值了，預設是95%的置信區間，我們就選用預設值，然後會求出區間兩界限的引數值，R語言程式碼和結果如下↓

fit <- lm（gmv ~ uv + promotion_exp + price_diff + service_score，

data=dataset）

dfc <- confint（fit）#提供模型引數的置信區間（預設95%）

dfcd <- data。frame（name = c（“Intercept”，“uv”，“promotion_exp”，“price_diff”，“service_score”），

pct2。5 = dfc［，1］，

pct97。5 = dfc［，2］）

從結果我們就可以很清晰的看到上界和下界引數值了，然後我們再在PowerBI裡面把各引數的度量值寫出來，DAX語句如下↓

p25 Intercept = CALCULATE（SUM（［pct2。5］），‘置信區間’［name］=“Intercept”）

p25 price_diff = CALCULATE（SUM（［pct2。5］），‘置信區間’［name］=“price_diff”）

p25 promotion_exp = CALCULATE（SUM（［pct2。5］），‘置信區間’［name］=“promotion_exp”）

p25 service_score = CALCULATE（SUM（［pct2。5］），‘置信區間’［name］=“service_score”）

p25 UV = CALCULATE（SUM（［pct2。5］），‘置信區間’［name］=“uv”）

p97 Intercept = CALCULATE（SUM（［pct97。5］），‘置信區間’［name］=“Intercept”）

p97 price_diff = CALCULATE（SUM（［pct97。5］），‘置信區間’［name］=“price_diff”）

p97 promotion_exp = CALCULATE（SUM（［pct97。5］），‘置信區間’［name］=“promotion_exp”）

p97 service_score = CALCULATE（SUM（［pct97。5］），‘置信區間’［name］=“service_score”）

p97 UV = CALCULATE（SUM（［pct97。5］），‘置信區間’［name］=“uv”）

然後根據度量值，把上下界的GMV預測函式寫出來，順便把合併的區間寫出來，DAX語句如下↓

預計GMV上線 =

［p97 Intercept］ + ［p97 UV］*［UV Value］ + ［p97 promotion_exp］*［推廣費用 Value］ + ［p97 price_diff］*［價格降低 Value］ + ［p97 service_score］*［服務評分 Value］

預計GMV下線 =

［p25 Intercept］ + ［p25 UV］*［UV Value］ + ［p25 promotion_exp］*［推廣費用 Value］ + ［p25 price_diff］*［價格降低 Value］ + ［p25 service_score］*［服務評分 Value］

預計GMV區間 = “［” & FORMAT（［預計GMV下線］，“#，##0”） & “ - ” & FORMAT（［預計GMV上線］，“#，##0”） & “］”

最後我們把所有度量值，點預測和區間預測結果，R2值放在一起，只需要進行引數調整就可以來進行資料預測了↓

當然這裡我們不能夠選擇歷史資料的範圍，如果我們需要調整歷史資料的範圍，我們只能在PowerQuery裡面進行調整，或者我們可以寫固定的日期值，比如我們可以固定最近90天或者180天的資料，這裡每天資料就會自動滾動變化了，用最新的只預測效果應該也會更好，我們這裡使用90天的資料來看一下結果↓

可以看到結果還是有所差異的，不過R2還是很不錯，說明這個模型還是不錯的，今天寫的有點多了，過兩天再來用Python實現一下。