社区编辑申请
注册/登录
三分钟,看回归分析模型怎么做
大数据 数据分析
总有小伙伴想看分析模型,我们就从最简单的回归分析模型讲起。回归分析是所有分析模型里最浅显,最容易懂的,并且回归分析有很多变化形态,能适用于很多问题场景。今天就一起来看一下。

本文转载自微信公众号「码工小熊」,作者小熊妹  。转载本文请联系码工小熊公众号。

大家好,我是爱学习的小xiong熊妹。

总有小伙伴想看分析模型,我们就从最简单的回归分析模型讲起。回归分析是所有分析模型里最浅显,最容易懂的,并且回归分析有很多变化形态,能适用于很多问题场景。今天就一起来看一下。

一、为什么叫回归?

回归翻译自:regression,最初是统计学家们,关注到:孩子的身高总会向平均身高靠近,即使父母都很高,孩子也不会无限长高下去。从这些研究里,总结出回归分析方法(regression,还有一个意思是:退化,可以说很形象了)。

所以,这里的“回归”只是一个习惯称呼,和业务部门口中的“回归初心”“回归原点”一毛钱关系都没有!在讨论问题的时候,业务部门最喜欢扯“回归”,做数据的小伙伴们,千万别被绕进去了!!!

二、回归模型有什么用?

回归模型是用来做:预测的。

在数据分析里,预测分两种:

  • 连续型预测:比如预计销售额是3550万,预测客户15万,预测结果是一个连续型数字。
  • 分类预测:比如预计用户接电话/不接电话,预计新品上市后是A级/B级/C级,预测结果不是一个连续型数字,而是一个分类结果。

大部分回归分析模型都是连续型预测(逻辑回归除外)。今天就从最简单的,只有一个变量的简单线性回归分析讲起。

三、如何进行回归分析

做回归分析有五步:

  • 第一步:确认是否是预测问题
  • 第二步:确认要预测的因变量,影响预测结果的自变量
  • 第三步:收集数据,检验数据间关系
  • 第四步:计算模型,检验结果
  • 第五步:进行预测

看个具体问题场景:某公司在新品上市前,会提前进行宣传,并进行预约。虽然最终上市以后,并非只有预约用户买,但是如果能通过预约人数,预测销售情况,就能提前预判商品会不会受欢迎,从而把控库存情况。具体数据如下表。

拿到问题后,一步步来:

第一步:该场景需要的是预测,要预测的是销售额,是一个连续型变量。

第二步:确认因变量,自变量。该问题中:

因变量(要预测的):销售额

自变量(影响预测结果的):预约人数

没有其他变量了。

拿到数据后,可初步判断两个指标是否有关系,是何种关系,从而选择合适的模型。判断关系,最简单快捷的方法就是:散点图。因此拿到数据以后,可以先做散点图。如上图所示,因变量和自变量之间看起来是有明显线性关系的,因此可以用线性回归来做。

第三步:收集数据,题目已帮忙收集好了,进入下一步。

第四步:进行计算。简单的线性回归,用excel→数据分析→回归即可计算(如下图)

至于模型解读,略为复杂,我们慢慢看哦

四、模型计算与解读

回归分析的模型解读略显复杂,并且包含了大量假设检验的知识,这里先不探讨其复杂原理,给个最简单的判断原则,小伙伴们抄起来能用即可。

模型解读,分为三个部分:

  • 模型本身预测准不准。主要看R平方(如下图蓝色)
  • 模型整体是否有效。主要看F检验的结果(如下图橙色)
  • 模型里,每个因变量的检验结果(如下图绿色)

从上图可以看出,本次建模的三个检验结果全部通过,表明模型可用。

这次建模只有一个自变量+一个常数项,因此最终模型就是y=60+5x。常数项和自变量的数值,参见下图黄色部分:

五、回归分析模型应用

有了回归模型,我们就能预测未来情况啦。比如有一款新品,预约人数为4.5万人,则可以代入模型,预测销量为60+5*4.5=82.5万,商品部门就能据此备货了。

六、回归分析局限性

没有模型是万能的,回归分析突出弱点有两个:

回归不等于因果!不等于因果!不等于因果!回归模型只能从数据上说明:两个变量存在关系,但是实际上有没有关系,得看具体业务情况。因此千万不要乱用。 

模型检验可能难以通过。为了演示方便,本文选择的数据非常漂亮,做出来三项检测全部通过,但实际情况会很复杂,出现各种检测不通过的情况,因此也衍生出更多、更复杂的知识点,这个我们后边慢慢分享。

 

责任编辑:武晓燕 来源: 码工小熊
相关推荐

2022-05-18 23:42:08

网络安全安全分析工具

2022-04-20 20:28:40

HDF 驱动框架鸿蒙操作系统

2022-05-20 14:54:33

数据安全数字化转型企业

2022-05-24 14:26:11

云原生数据库云架构

2022-05-16 10:36:08

GitHub开源项目

2022-05-17 15:51:32

数据中心运维能力基础设施

2022-05-12 13:44:35

2022-05-24 09:57:32

微软开源AI 驱动

2022-05-24 07:51:05

测试模型测试单元测试

2022-05-25 07:11:13

2022-05-19 19:26:33

区块链大数据数据分析

2022-05-23 10:55:19

华为数字化转型架构蓝图

2022-05-11 14:05:11

区块链网络安全存储

2022-04-15 10:11:03

机器学习scikit-lea

2022-05-26 11:37:58

亚马逊云科技C7g实例

2022-05-14 08:05:18

Linux内存管理

2022-05-25 08:01:37

2022-05-03 23:21:13

安全意识网络安全网络钓鱼

2022-04-25 14:06:28

数据分析人工智能机器学习

2022-05-18 07:17:40

网络杀伤链攻击模型

同话题下的热门内容

2022年优秀预测分析工具和软件大数据技术的成功案例及趋势使用替代数据的五个隐性成本为什么不能忽视建筑物中的数据分析?数据驱动业务的18个有效策略

编辑推荐

什么是数据分析的漏斗模型?数据分析师还吃香吗?用数据告诉你对比解读五种主流大数据架构的数据分析能力《狄仁杰之四大天王》影评分析(爬虫+词云+热力图)22个免费的数据可视化和分析工具推荐
我收藏的内容
点赞
收藏

51CTO技术栈公众号