<< Click to Display Table of Contents >> 当前位置:  深度分析 > 其它分析算法  一元线性回归

❖一元线性回归

回归分析是一种应用非常广泛的统计工具，主要用来建立两个变量之间的关系模型。其中一个变量被称为自变量，其值是通过实验收集的。另一变量称为因变量，其值是根据自变量计算而得。 线性回归这两个变量满足一个等式，其中这两个变量是指数( 幂) 相关。 在数学上，一元一次线性关系的图形表示为直线。一元N 次线性关系的图形表示为曲线。 一元一次线性回归的一般数学方程为y = ax+b，其中y是因变量，x 是自变量，a 和 b 称为系数常数。

【自变量】x，从下拉列表中选出需要作为自变量的字段。

【因变量】y，从下拉列表中选出需要作为因变量的字段。

【多项式次方】表示自变量与因变量是一个几次的线性方程关系，默认为1，如果是2 则表示一元二次方程。

【输出值】【拟合值】：被勾选时，会得到一个拟合值字段。其结果是得到相应的线性回归模型后，对给定的样本值(x1,x2,...,xn) 做预测，也就是(y1,y2,...,yn) 的估计值。

【输出值】【残差】：被勾选上时，会得到一个残差字段。其结果是y 的实际值减去拟合值。

【输出值】【置信区间】：被勾选上时，根据Level 算出估计值得到上界和下界，默认Level 是95%。

 

•举例说明

对一系列身高和体重的值进行线性回归分析。收集一系列身高和体重的值，身高为自变量，体重为因变量，使用一元线性回归分析算法找出所创建模型的数学方程。根据数学方程，计算体重的拟合值。

如图在数据集上创建分析算法：

输出结果如图：