
數(shù)據(jù)分析-回歸分析
回歸分析是數(shù)據(jù)分析中最常用的模型之一,其實用性和普遍性很高,如下分別從線性回歸、多元回歸、邏輯回歸三方面,通過實例分析講解
解決三個問題
實例1:羽美想預(yù)測明天的冰茶銷量
實例2:宮野想估算在一個新的地址開店的月銷售額
實例3:羽美想推測一下明天的特供蛋糕賣出去的可能性
回歸分析的基礎(chǔ)流程分六步
羽美想預(yù)測明天的冰茶銷量。羽美知道冰茶在天熱的時候銷量好。記錄的店中冰茶的銷售數(shù)據(jù)在下表,先畫出散點圖觀察相關(guān)性,下圖是明顯的正相關(guān)
可以通過添加趨勢線,勾選顯示公式和R平方值,輕松就搞定回歸方程和精度估計
也可以自己用公式來計算,先求x的平均,y的平均,Sxx,Syy,Syy,通用Se的對a,b的微分=0可以推導(dǎo)出a,b的計算公式
用公式計算R平方看看數(shù)據(jù)和方程的擬合程度,越接近1擬合程度越高
將上面的數(shù)據(jù)作為抽樣數(shù)據(jù),可以估算出總體的分布,用F分布檢測總體回歸系數(shù),計算出的統(tǒng)計量的概率和0.05比較
對總體回歸做估值,在置信度為95%時計算置信區(qū)間,計算溫度在31度時的置信區(qū)間
在置信度為95%時候計算預(yù)測區(qū)間,計算溫度在31度時的預(yù)測區(qū)間,預(yù)測區(qū)間的取值范圍要比估值區(qū)間更寬一些
觀察個體的標準化殘差,當(dāng)個體的標準化殘差的絕對值大于3時,應(yīng)該剔除后再進行回歸分析
使用Durbin-Watson統(tǒng)計量評估序列自相關(guān)程度,如果值在2左右,說明不存在序列自相關(guān)
可用嘗試多種形式的方程做回歸,通過觀察散點圖判斷擬合程度比較好的函數(shù),選擇回歸后的R平方大的函數(shù)
多元回歸
宮野想估算在一個新的地址開店的月銷售額。宮野知道營業(yè)面積越大,距離車站越近,店鋪的銷售額就越大。各家門店的銷售數(shù)據(jù)如下表,首先畫出散點圖觀察相關(guān)性,通過Correl函數(shù)計算相關(guān)系數(shù),一個是0.89,一個是-0.77都相關(guān)顯著
用Linest函數(shù)計算回歸系數(shù),注意Linest計算出的系數(shù)是反序的,帶入系數(shù)就有了回歸方程,接下來計算Syy、Se,因為多元回歸中R的計算會受到自變量個數(shù)的影響,就用修正自由度的R2公式
對總體回歸檢驗回歸系數(shù)和偏回歸系數(shù)的檢測統(tǒng)計量
其中用到的S11的求解過程,A的轉(zhuǎn)置用“粘貼”的時候勾選“轉(zhuǎn)置”,矩陣相乘法用MMult函數(shù),矩陣求逆用MInverse函數(shù),S11就是對角線上第一行第一列的元素
計算估值區(qū)間和預(yù)測區(qū)間,多元回歸采用馬氏距離避免歐式距離的量崗的問題
多元回歸的自變量可以很多,可以對自變量進行組合,用修正自由度的R平方評估后選擇最好的組合。
多元回歸將分類變量拆分為n-1個變量來處理,比如:性別有男、女和其他,拆分為性別男,性別女二個變量,用1,表示是,0表示否。
羽美想推測一下明天的特供蛋糕賣出去的可能性。羽美的經(jīng)驗告訴她周三六日客戶比較多,好像和溫度也有點關(guān)系。特供蛋糕的銷售數(shù)據(jù)如下表,首先畫出氣泡圖觀察相關(guān)性,用氣泡是因為點有密集的堆疊,通過Countif輔助列算出氣泡的大小,就可以畫出氣泡吐了,然后用Correl函數(shù)計數(shù)相關(guān)系數(shù)。
用規(guī)劃求解完成邏輯回歸系數(shù)的計算,因為探測計算中可能會超出銷售預(yù)測的值過小,從而導(dǎo)致對數(shù)釋然計算的溢出失敗,需要調(diào)整銷售預(yù)測函數(shù)=1/(1+EXP(-IF(G2>-700,G2,-700)))做最小值的溢出保護,同時要約束系數(shù)變量不為零--AND(NOT($B$24=0),NOT($C$24=0),NOT($D$24=0)),注明:--是轉(zhuǎn)換成整數(shù)
下面計算R平方的,這里n1,n0分別是樣本中賣出去的個數(shù)和沒有賣出去的個數(shù),邏輯回歸中R平方是越小越顯著,可以計算誤判率,賣出和預(yù)測賣出的相關(guān)系數(shù)觀察模型精確程度。
總體系數(shù)的檢測,用x2的2自由度檢測
檢測偏回歸系數(shù),用x2的1自由度檢測
預(yù)測今天是否可以賣出去,帶入方程=0.44<0.5估計是賣部出去了
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10