第四章 實例分析
第三節 系統實例操作
二、 數字型之目標變數實例分析（非時間數列）
國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
56
二、數字型之目標變數實例分析（非時間數列）
針對數字型之目標變數實例操作的部分，本研究將使用 TKU NetStat
（http://netstat.stat.tku.edu.tw/）網站的 Babies 範例資料檔，此資料檔包含 1,236 個懷孕母親和其新生兒的資料，將以表格（表 4-3 Babies 資料檔）簡述資料。
表4-3 Babies 資料檔
變數名稱 資料型態 資料內容 資料筆數
bwt 連續型 嬰兒重量 1,236
gestation 連續型 母親懷孕天數 1,223
NA 13
parity 數字類別型 0（第一胎） 921
1（第二胎） 315
age 連續型 母親年齡 1,234
NA 2
height 連續型 母親身高（inches） 1,214
NA 22
weight 連續型 母親體重（pounds） 1,200
NA 36
smoke 數字類別型 0（沒有抽菸） 752
1（有抽菸） 484 資料來源：TKU NetStat （http://netstat.stat.tku.edu.tw/）
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
57
接著，將以圖示的方式來介紹分析步驟，由步驟一至步驟四：
步驟一、執行資料採礦之預測系統，則會顯示上傳資料之介面（圖 4-16 上傳欲 分析資料之介面）。
圖4-16 上傳欲分析資料之介面
步驟二、連續的數字型目標變數（非時間序列資料）的範例操作所選用的資料 是 Babies 資料檔，故選擇上傳欲分析的 Babies 檔案，（圖 4-17 讀取 Babies 資料 檔）。
圖4-17 讀取 Babies 資料檔
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
58
步驟三、檢視上傳之資料是否有誤，或者有不符合系統之規定，若有誤則選擇 上一步回到上傳資料頁面重新上傳資料（圖 4-18 檢視上傳資料之頁面）
圖4-18 檢視上傳資料之頁面
步驟四、選擇本研究部分的資料採礦預測（Forecasting）功能（圖 4-19 資料採 礦功能之選擇）。
圖4-19 資料採礦功能之選擇
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
59
步驟五、選擇欲分析的目標變數和解釋變數，本操作範例選擇目標變數為 bwt，
變數 gestation、age、height 和 weight 當解釋變數，點選「確認」鍵，進行預測 功能之分析（圖 4-20 變數選擇）。
圖4-20 變數選擇
做完選擇變數的動作後，點選「確認」鍵，接著進行資料採礦預測功能之 分析，由於目標變數 bwt（嬰兒體重）為數字型資料，為連續型（Continuous）
變數，且經系統判斷後不為時間序列資料，所以系統以迴歸分析（Regression analysis）和分類迴歸樹（C&R tree）這兩種分析方法建構模型。分析完成後，
分析結果頁面會發布成網頁的型式以供使用者預覽（圖 4-21 結果頁面預覽選擇），
分別有資料頁面（圖 4-22 資料頁面）、迴歸分析（Regression analysis）分析頁 面（圖 4-23 迴歸分析分析頁面）以及分類迴歸樹（C&R tree）分析頁面（圖 4-24 分類迴歸樹分析頁面）可以選擇預覽。且資料頁面是使用者所選的目標變數和 解釋變數，其中資料頁面的第一行為使用者所選的目標變數，而分析頁面的目 標變數名稱以「Target.Variable」取代原本的名稱，以便使用者方便區別目標變 數和解釋變數。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
60
圖4-21 結果頁面預覽選擇
圖4-22 資料頁面
可以選擇檢視結果頁面
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
61
圖4-23 迴歸分析分析頁面
圖4-24 分類迴歸樹分析頁面
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
62
在連續型數字目標變數的範例分析中，其資料頁面包含在變數選擇介面所 選擇的目標變數和解釋變數，第一行為目標變數資料，第二行之後依序為所選 的解釋變數。而分析頁面有兩種可以選擇預覽，分別是迴歸分析頁面和分類迴 歸樹頁面，在迴歸分析頁面，包含多種統計量和統計圖表，包括：散佈圖矩陣、
常態機率圖、殘差圖、模型係數、訓練集殘差值、訓練集估計值、測詴集樣本 及預測值、MAPE 值、ANOVA 表、95%信賴區間。分類迴歸樹的部分，包括：
迴歸樹、分枝準則、MAPE 值、測詴集樣本及預測值。迴歸分析和分類迴歸樹 兩種分析方法提供多種上述報表供使用者做參考。