商务数据分析基础 常用数据分析方法 数据分析-6回归分析.pptx

;数据分组;2 回归分析 回归分析是确定两个或两个以上变量间相互依赖的定量关系的一种统计分析方法。回归分析按照涉及的变量多少，分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。 1．最小二乘法原理 回归分析法的基本思路是：当数据分布在一条直线（或曲线）附近时，找出一条最佳的直线（或曲线）来模拟它。 当所有点到该直线的竖直距离的平方和∑(y-y′)2最小时，得到的直线（或曲线）最佳，如图98所示。这就是最小二乘???原理（二乘就是平方）。 ;归根结底，回归分析法就是根据最小二乘法原理，将变量之间的关系模拟成一个数学方程（也叫回归方程，或趋势线方程），以此来推断变量之间的关系的一种统计方法，所以回归分析法也叫数学模型法。 ;2．决定系数 当变量之间的关系可以用一个数学模型来模拟时，我们用决定系数（R2）判定数学模型拟合效果的好坏。 在数学上，决定系数 （y是实际值，y′是模拟值）。 决定系数R2越接近于1，说明数学模型的模拟效果越好。 对于一元线性回归来说，r2=R2。 ;3．利用Excel回归分析工具进行回归分析 （1）一元线性回归 如果在回归分析中只包括一个因变量和一个自变量，且二者的关系可用函数y=kx+b来模拟，这种回归分析称为一元线性回归分析。 ;图100 回归设置;回归结果中第一组数据的前3个数据分别为：Multiple R（相关系数）、R Square（决定系数）、Adjusted R Square（校正决定系数），都用于反映模型的拟合度；第4个数据是标准误差，反映拟合平均数对实际平均数的变异程度；第5个数据为观测值（数据的个数）。 第三组数据的第1个数据（301.665）是回归直线的截距b，第2个数据（44.797）也叫回归系数，其实就是回归直线的斜率k。 ;（2）多元线性回归 如果在回归分析中包括一个因变量和多个自变量，且因变量和自变量的关系可用函数y=k1x1+k2x2+…+knxn+b来模拟，这种回归分析称为多元线性回归分析。 事实上，一种现象常常与多个因素相关，所以，由多个自变量的最优组合来估计和预测因变量，比只用一个自变量进行估计和预测更有效、更有实际意义。 ;例2：用回归分析法分析上一小节例3中超市的销量与超市的面积大小、促销费用、所在地理位置的关系，并根据回归方程预测一家在二类地段、面积为1000平方米、月促销费5万元的超市月销售额将会是多少。数据文件为工作簿“相关与回归分析.xlsx”中“多元线性回归”工作表。 ;4．利用Excel散点图和趋势线进行回归分析 对于初学者，我们还是建议大家用“先插入散点图，再添加趋势线”的方法求趋势线方程、相关系数和决定系数，最后根据决定系数的大小判定模拟效果的好坏，并根据趋势线方程做数据预测。;例3：利用散点图求上一小节例1中“超市年销售额”和“小区人数”的回归方程，“超市年销售额”为因变量y，“小区人数”为自变量x。数据文件为工作簿“相关与回归分析.xlsx”中的“直线模型”工作表。 （1）插入散点图。 （2）添加趋势线。 ;图106 修改数据系列;图108 添加趋势线;例4：将例3中的直线模型改成指数模型，操作如下。 ;例5：已知2009—2015年淘宝“双11”当天销量统计如图113所示，请利用散点图模拟淘宝“双11”的销量变化规律，并预测2016年的销量。数据文件为“相关与回归分析.xlsx”的“抛物线模型”工作表。 ;利用回归分析工具进行线性回归的优缺点如下。 ① 优点：可以进行一元线性回归，也可以进行多元线性回归。 ② 缺点：只能进行线性回归，不能直接进行非线性回归。 利用散点图和趋势线进行回归分析的优缺点如下。 ① 优点：不仅能进行线性回归，还能进行非线性回归。 ② 缺点：只能进行一元回归，不能进行多元回归。 ;图115 设置趋势线格式;谢谢观看