线性回归实例——牙膏的销售量（Python实现、OLS最小二乘）

销售周期	公司销售价格	其它厂家平均价格	广告费用	价格差	销售量
1	3.85	3.8	5.5	-0.05	7.38
2	3.75	4	6.75	0.25	8.51
3	3.7	4.3	7.25	0.6	9.52
4	3.7	3.7	5.5	0	7.5
5	3.6	3.85	7	0.25	9.33
6	3.6	3.8	6.5	0.2	8.28
7	3.6	3.75	6.75	0.15	8.75
8	3.8	3.85	5.25	0.05	7.87
9	3.8	3.65	5.25	-0.15	7.1
10	3.85	4	6	0.15	8
11	3.9	4.1	6.5	0.2	7.89
12	3.7	3.8	6.25	0.1	8.15
13	3.75	4.15	7	0.4	9.1
14	3.75	4.2	6.9	0.45	8.86
15	3.8	4.15	6.8	0.35	8.9
16	3.7	4	6.8	0.3	8.87
17	3.8	4.3	7.1	0.5	9.26
18	3.8	4.3	7	0.5	9
19	3.7	4.1	6.8	0.4	8.75
20	3.8	3.75	6.5	-0.05	7.95
21	3.8	3.75	6.25	-0.05	7.65
22	3.75	3.65	6	-0.1	7.27
23	3.7	3.9	6.5	0.2	8
24	3.55	3.65	7	0.1	8.5
25	3.6	4.1	6.8	0.5	8.75
26	3.65	4.25	6.8	0.6	9.21
27	3.7	3.65	6.5	-0.05	8.27
28	3.75	3.75	5.75	0	7.67
29	3.8	3.85	5.8	0.05	7.93
30	3.7	4.25	6.8	0.55	9.26

二、分析与假设：
    由于牙膏是生活必需品，对大多数顾客来说，在购买同类产品时更多的会在意不同品牌之间的价格差异，而不是它们本身的价格。因此，在研究各个因素对销售量的影响时，用价格差代替公司销售价格和其他厂家平均价格更为合适。

三、基本模型：
    变量解释：
    $y$~公司牙膏销售量
    $x_1$~其他厂家与本公司价格差
    $x_2$~公司广告费用

    下图为变量$y$与$x_1$的散点图(图中蓝色区域为置信带)。

    可以看出，$y$与$x_1$之间存在$y={\beta }_0+{\beta }_1{x}_1+ϵ$ 的线性关系，拟合直线为$y_1=7.814+2.665$$\times$$x_1$。

    下图为$y$与$x_2$的散点图。

    可以看出，$y$与$x_{}$