数据挖掘PPT第4章 回归

4.2 一元回归分析
4.2.1 一元回归分析的模型设定
第四章 回归
8 of 59
4.2 一元回归分析
第四章 回归
例4.1
在进行消费行为研究中，从一个地区抽取20 个不同家庭的月可支配收入和消费数 据，如下表所示：
序号 消费（百元） 可支配收入（百元） 序号 消费（百元） 可支配收入（百元）
1
72.3
169
10 112.56
167
20
126
170
9 of 59
4.2 一元回归分析
例4.1
以可支配收入为横轴、消费为纵轴画出样本数据的散点图
第四章 回归
从图中可以看出，可支配收入和消费之间存在明显的线性关系。但所有点并不在 一条直线上，表明二者之间的关系是一种随机关系。
10 of 59
4.2 一元回归分析
2 of 59
4.1 回归基本概念
4.1.1 回归分析的定义
第四章 回归
对于社会经济现象，很难确定因变量和自变量之间的关系，因为它们大多是随机 的，只有通过大量的观察统计，才能找出其中的规律，随机分析是利用统计学原理描述 随机变量关系的一种方法。
回归分析可简单理解为信息分析与预测，信息即统计数据，分析即对信息进行数 据处理，预测就是加以外推，也就是适当扩大已有自变量取值范围，并承认该回归方程 在该扩大的定义域内成立，然后就可以在该定义域上取值进行“未来预测”。当然，对 回归方程可以进行有效的控制。
高级大数据人才培养丛书之一，大数据挖掘技术与应用
第四章 回归
回归是一种基于统计原理，对大量统计数据进行数学处理，并确定变量（或属性）之间的相关关系， 建立一个相关性的回归方程（函数表达式），并加以外推，用于预测今后的因变量的变化的方法。 根据因变量和自变量的函数表达式分为：线性回归分析、非线性回归分析。 根据因变量和自变量的个数可分为：一元回归分析、多元回归分析、逻辑回归分析和其它回归分析等。
第四章 回归
4.1 回归基本概念 4.2 一元回归分析 4.3 多元线性回归分析 34 . 14 数逻 据辑 挖回 掘归 概分 述析 4.5 其他回归分析 4.6 实战：用回归分析方法给自己的房子定价 习题
6 of 59
4.2 一元回归分析
4.2.1 一元回归分析的模型设定
第四章 回归
7 of 59
18 of 59
4.3 多元线性回归分析
4.3.1多元线性回归模型
第四章 回归
19 of 59
4.3 多元线性回归分析
4.3.1多元线性回归模型
第四章 回归
建立多元性回归模型时，为了保证回归模型具有优良的解释能力和预测效果，应首先注意 自变量的选择，其准则是：
1. 自变量对因变量必须有显著的影响，并呈密切的线性相关； 2. 自变量与因变量之间的线性相关必须是真实的，而不是形式上的； 3. 自变量之间应具有一定的互斥性，即自变量之间的相关程度不应高于自变量与因变量之 因的相关程度； 4. 自变量应具有完整的统计数据，其预测值容易确定。
应用到市场营销的各个方面，如客户寻求、保持和预防客户流 失活动、产品生命周期分析、销售趋势预测及有针对性的促销e
高级大数据人才培养丛书之一，大数据挖掘技术与应用
第四章 回归
4.1 回归基本概念 4.2 一元回归分析 4.3 多元线性回归分析 34 . 14 数逻 据辑 挖回 掘归 概分 述析 4.5 其他回归分析 4.6 实战：用回归分析方法给自己的房子定价 习题
4.2.1 一元回归分析的模型设定
第四章 回归
11 of 59
4.2 一元回归分析
4.2.2 一元线性回归模型的参数估计
第四章 回归
12 of 59
4.2 一元回归分析
4.2.3 基本假设下OLS估计的统计性质
第四章 回归
13 of 59
4.2 一元回归分析
4.2.3 基本假设下OLS估计的统计性质
17 of 59
4.3 多元线性回归分析
4.3.1多元线性回归模型
第四章 回归
多元回归分析预测法，是指通过对两上或两个以上的自变量与一个因变量的相关分析，建 立预测模型进行预测的方法。当自变量与因变量之间存在线性关系时，称为多元线性回归分析。
多元回归分析可以达到以下目的： 1. 了解因变量和自变量之间的关系是否存在，以及这种关系的强度。也就是以自变量所解 释的因变量的变异部分是否显著，且因变量变异中有多大部分可以由自变量来解释。 2. 估计回归方程，求在自变量已知的情况下因变量的理论值或预测值 ，达到预测目的。 3. 评价特定自变量对因变量的贡献，也就是在控制其他自变量不变的情况下，该处变量的 变化所导致的因变量变化情况。 4. 比较各处变量在拟合的回归方程中相对作用大小，寻找最重要的和比较重要的自变量。
4.1.2 回归分析要注意的问题
第四章 回归
为使回归分析方程较能符合实际，首先应尽可能判断自变量的可能种类和个数， 并在观察事物发展规律的基础上定性回归方程的可能类型；其次，力求掌握较充分的高 质量统计数据，再运用统计方法，利用数学工具和相关软件，从定量方面计算或改进定 性判断。
5 of 59
高级大数据人才培养丛书之一，大数据挖掘技术与应用
100
11
132.3
189
2
92.51
120
12
149.8
214
3
135.2
200
13
115.3
188
4
94
130
14
132.2
197
5
163.5
240
15
149.5
206
6
100
114
16
100.25
142
7
86.5
126
17
79.6
112
8
142.36
213
18
90.2
134
9
120
156
19
116.5
因此，回归分析主要解决下面两方面的问题： 1) 确定变量之间是否存在相关关系，若存在，则找出数学表达式。 2)根据一个或几个变量的值，预测或控制另一个或几个变量的值，且要估计这种 控制或预测或以达到何种精确度。
3 of 59
4.1 回归基本概念
4.1.2 回归分析步骤
第四章 回归
4 of 59
4.1 回归基本概念
第四章 回归
（4.4）
14 of 59
4.2 一元回归分析
4.2.4 误差方差估计
第四章 回归
15 of 59
4.2 一元回归分析
4.2.6 拟合优度和模型检验（F 检验）
第四章 回归
16 of 59
高级大数据人才培养丛书之一，大数据挖掘技术与应用
第四章 回归
4.1 回归基本概念 4.2 一元回归分析 4.3 多元线性回归分析 34 . 14 数逻 据辑 挖回 掘归 概分 述析 4.5 其他回归分析 4.6 实战：用回归分析方法给自己的房子定价 习题