回归分析的目标一般可分为两类。
第一个是 "预测"。预测目标变量,解决目标变量y和解释变量(x1,x2,...)的方程式。
y=a0+b1x1+b2x2+...+bkxk+误差(公式A)。
我们把方程A称为(多元)回归方程或模型。a0是y的截距,b1,b2,...,bk是回归系数。如果k=l,则只有一个解释变量,这被称为单变量回归方程。使用最小二乘法确定误差的最小二乘之和,而不检查Y截距和回归系数。当回归方程被解开时。分别插入x1,x2,...xk的值来预测y的值。
第二,"因素分析"。因素分析依赖于回归分析的结果,得出每个自变量对目标变量的影响,所以有必要确定每个自变量的影响程度。
初学者在阅读以下文章之前,应首先熟悉单变量回归分析、相关分析、多元回归分析和定量I理论。
使用Excel,用最小二乘法求解y=a+bx中的a和b。什么是最小二乘法?
从数据散点中的每个参考点画一条平行于y轴的线,与图中的线相交,rep.(如下图)
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。