《数据分析与应用》课件-项目七 回归分析课件

商务数据分析与应用项目七以“场”为维度的运营分析-回归分析-项目导入回归分析的含义及分类3.一元线性回归4.回归分析实操案例5.项目小结目录1.项目导入

1项目导入回归的起源1877年法兰西斯·高尔顿(FrancisGalton)他搜集大量人体身高数据后，计算分析高个子父母、矮个子父母以及一高一矮父母的后代各有多少个高个子和矮个子子女，从而把父母高的后代高个子比较多、父母矮的后代高个子比较少这一定性认识具体化为父母与子女之间在身高方面的定量关系。1888年，高尔顿在“Co-RelationsandTheirMeasurement,ChieflyfromAnthropometricData"一文中，充分论述了“相关”的统计意义，同时正式提出了“回归”的概念。2.回归分析的含义及分类

“回归”指的是一种统计方法，用于研究自变量（或多个自变量）与因变量之间的关系。回归分析可以帮助我们预测因变量的值，或者解释因变量的变异情况，进而研究自变量对因变量的影响程度。自变量是用来解释因变量的变异情况的变量，而因变量则是需要被解释的变量。2.1含义2.2分类

2.2分类

2.2作用

·预测问题：根据自变量和因变量之间的关系，使用回归分析来预测因变量的取值，例如预测销售额、房价、股票价格等。•探究问题：通过回归分析探究自变量与因变量之间的关系，例如探究不同因素对学生成绩的影响，探究广告投放对销售额的影响等。·确定变量之间的关系：回归分析可以用来确定自变量与因变量之间的关系是正相关还是负相关，以及关系的强度。2.2作用

•排除干扰：回归分析可以用来排除一些影响因变量的干扰因素，以便更准确地估计自变量与因变量之间的关系。·模型选择：通过回归分析比较不同模型的拟合优度，选择最优模型，以便更好地解释变量之间的关系。3.一元线性回归3.1回归方程

回归方程是根据样本资料通过回归分析所得到的反映一个变量（因变量）对另一个或一组变量（自变量）的依赖关系的数学表达式。如果只有一个自变量X，而且因变量Y和自变量X之间的数量变化关系呈近似线性关系，就可以建立一元线性回归方程。一元线性回归方程可以表示为:y=a+bx3.2一元线性回归

当回归分析中只涉及一个自变量时称为一元回归，当因变量y与自变量x之间关系为线性关系时称为一元线性回归。对于具有线性关系的两个变量，可以用一个线性方程来表示它们之间的关系。描述因变量y如何依赖自变量x和误差项ε的方程称为回归模型。

一元线性回归模型可以表示为: y=β0+β1x+ε3.2线性回归分析

4.回归分析实操案例4.1案例

一家电子商务企业1-8月份广告投入金额，订单量和销售金额的数据如表7-4所示，根据以上数据建立回归模型。月份广告投入（元）销售金额（元）15200250002600029000369003600047800410005890050000693006200071000076000811000850004.2通过绘图方式建立回归分析模型

4.3通过回归分析工具建立回归分析模型

4.项目实操实操练习（10-15分钟）4.1实操5.项目小结5.小结回归分析是一种通过建立数学