虽然之前用python做线性回归的时候看上去好像很简单,但是直到我在excel上实践了线性回归,发现有很多指标值得去参考,对于在python上实现有指导作用。
打开excel2016,先找个数据
![066563336c5d5cd0b8d9ed78263194bf.png](https://i-blog.csdnimg.cn/blog_migrate/607b813bbd03e1e65677f0d567232916.jpeg)
我们这里直接选择做线性回归,在菜单栏选择数据----找到数据分析
![351f3d6f4478e96483be8a95acf237a5.png](https://i-blog.csdnimg.cn/blog_migrate/bc0340bfaf14ff1401670a9f235e2b45.jpeg)
点进去后
![d4e44271af1526cb2b4be72dd16cb803.png](https://i-blog.csdnimg.cn/blog_migrate/b2e21e66b23e5a73c8036a335ac7847f.jpeg)
选择回归,点确定
![872ba943b1f2e9f0c2582f6978e1a866.png](https://i-blog.csdnimg.cn/blog_migrate/7a949e782e36a363b6f2342ccc0657d8.jpeg)
x值就是指自变量,y值就是因变量
根据线性回归公式
这里是多元线性回归公式,有截距项,有每个自变量的权重,还有随机扰动项
在本案例里,就是两个自变量和一个因变量,因变量选择行驶时间,自变量就是行驶路程和分送次数。
先来看结果
![9289c3dcd6cb806a0c116ebbed59b60d.png](https://i-blog.csdnimg.cn/blog_migrate/366d7a70dd1e1f115be2a6d7ff02a8a4.jpeg)
第一个是对模型的解释程度,需要注意是R-Square,这是一个衡量线性回归模型能否很好解释变量的变异程度的指标