一元线性回归预测：销售收入与广告支出实战

2019

万事胜意

作者：herain  R语言中文社区专栏作者

知乎ID：https://www.zhihu.com/people/herain-14

前言

数据挖掘的学习中，一元线性回归，通过现实生活中的企业销售和广告支出这两者之间的联系，进行线性回归模型的学习和形成商业二维变量分析的方法。

前提：一元回归的建模思路大致如下：

1. 第一步：确定因变量与自变量之间的关系

2. 第二步：建立线性关系模型，并对模型进行估计和检验

3. 第三步：利用回归方程进行预测

4. 第四步：对回归模型进行诊断

1 确定因变量与自变量之间的关系

1.1 确定变量之间的关系

数据：企业的销售收入与广告支出的二维表：（example9_1数据框）

example9_1

1.2 相关关系的描述

对数据example9_1用scatterplot图表化，一目了然变量之间的关系(初步结论 变量之间存在正向的线性关系)：

library('car')
scatterplot(销售收入~广告支出, data=example9_1,spread=F,lty.smooth=1, pch=18, xlab="广告支出",ylab="销售收入",cex.lab=0.7, family = 'SimSun')

1.3 关系强度的度量

相关系数两变量之间线性关系强度的统计量r（也叫做pearson 相关系数，-1<=r<=1）, 具体公式请参考资料。

> cor(example9_1[,2], example9_1[,3])
[1] 0.937114

相关系数的检验，用t分布检验：

第一步：提出假设：

原假设：两个变量的线性关系不显著

备择假设：两个变量的线性关系显著