线性回归分析思路总结.docx

线性回归分析是一种研究影响关系的方法，在实际研究里非常常见。不管你有没有系统学习过，对于线性回归，相信多少都有那么一点了解。
即使如此，在实际分析时，还是会碰到很多小细节，让我们苦思冥想，困扰很久，以致拖慢进度，影响效率。
因此本文就一
丑标准化禹物
B标准溟
标准
YIF
R1
F



Q.(M0'b
QJ67
^293(-
产品



(1"


M阳
珂9
眄屮"
1,254
黑it
GQ阳

□.113
1M1





-

0222

■-
晦程谋护



2C691
'

因变璃翟竜尽
***
•非标准化系数（B）:非标准化回归系数。回归模型方程中使用的是非标准化系数。•标准化系数（Beta）:标准化回归系数。一般可用于比较自变量对Y的影响程度。Beta值越大说明该变量对Y的影响越大
t值：t检验的过程值，回归分析中涉及两种检验（t检验和F检验），t检验分别检验每一个X对Y的影响关系，通过t检验说明这个X对Y有显著的影响关系；F检验用于检验模型整体的影响关系，通过F检验，则说明模型中至少有一个X对Y有显著的影响关系。此处的t值，为t检验的过程值，用于计算P值。一般无需关注。
P值：t检验所得p值。，其所对应的X对因变量存在显著性影响关系。
VIF值：共线性指标。大于5说明存在共线性问题。
R?：决定系数，模型拟合指标。反应Y的波动有多少比例能被X的波动描述。
•调整R2：调整后的决定系数，也是模型拟合指标。当x个数较多是调整R2比R2更为准确。
F检验：通过F检验，说明模型中至少有一个X对Y有显著的影响关系。分析时主要关注后面的P值即可。
D-W值：D-W检验值，Durbin-Watson检验，是自相关性的一项检验方法。如果D-W值在2附近（~），则说明没有自相关性，模型构建良好。
③结果分析分析时可按照“分析建议”给出的步骤进行。
g分析建议
回扫分析用于走星或走类）对¥（走虽］的影响黄系，是否有崙响关系，崙响方向及影响稈度情况如何
第一：育先分析模型拟合情况「即通过R平方值分析模型拟自青况「以及可对WF值进行分析」判断模型是晋存在共纯性问题【共线性问题可使用岭回归或者逐步回归迸行解决］；第二：写出模型公式冋选）；
第三：分析X的显著性；如果呈现出显著性（P值小于（W5或05）;则说明）<对¥肓影晌光系，接巷具体分析戢响英系方问；
第四：结合回归系数B值，对比分析只对¥的靈响程度冋选｝;
第五：对分析讲行总结°
回归分折之前」*和¥之间的关联关系；回归分析之后，可使用正态图观鑒和展示保存的残差值正态性情况：或使用散点图观察和展示回归模型异方差情况【幾差与X间的散点完金登有关条则无异方差】•
SPSSAU分析建议
Q智能分析
从上表可知「将性别「年龄「月收入水平「产品「促销「渠道，价格「个性化服务,隐私保护作为自变呈，而将购买意愿作冷因变呈进行线性回归分析「从上表可以看出」「意味着性别，年龄月收入水平「产品「促销，渠道「价格，个性化服务「隐私保护可以解释购实意愿的40,1%变化;原因。
对模型进行F检验时发现模型通过F检验（"21,541「P-<）,也即说明性别「年龄，月收入水平「产品［促销「渠道/介格，个性化服务「隐私保护中至少一项会对炯买意愿产生融响关系（以及模型公式为：购买意愿二M46+CLOOJ性别女+0142*
年龄+*月收入水平+0/164*产品+*促销+*渠道+*fft格+0-181*个性化服务+（W97令隐私保护*
IQ智能分析
另外，宇十对1莫型的辜重共线性进行检验发现’模型中WF值全部均小于氐意味着不存在着共线性问题；并SD-W值在数字2附近’因而说明模型不存在自相关性，样本数据之间并没有关联关系「模型较好f
总结分析可知：产品」促销』个性化服务，隐私保护会对购买意愿产主显著的正向影响关系*但是性别,年龄』月收入水平，渠道，价格并不会对购买意愿产生影响关系。
SPSSAU-智能分析
模型公式显示在智能分析中，可直接使用。