基础铺垫
多重线性回归(Multiple Linear Regression)
研究一个因变量与多个自变量间线性关系的方法
在实际工作中,因变量的变化往往受几个重要因素的影响,此时就需要用2个或2个以上的影响因素作为自变量来解释因变量的变化,这就是多重线性回归;
多重线性回归模型
1.模型
y=α+β1x1+β2x2+...+βnxn+e
数据分析部落公众号:shujudata
方程式中:
y−因变量
xn−第n个自变量
α−常数项(回归直线在y轴上的截距)
βn−第n个偏回归系数
e−随机误差
2.模型关键词解析
偏回归系数
多重线性模型中包含多个自变量,它们同时对因变量y发生作用,如果要考察一个自变量对因变量y的影响,就必须假设其他自变量保持不变;因此,多重线性模型中的回归系数称为偏回归系数,偏回归系数β_1是指在其他自变量保持不变的情况下,自变量x_1每变动一个单位,引起的因变量y的平均变化;β_2到β_n依次类推;
回顾-回归分析步骤
根据预测目标,确定自变量和因变量
绘制散点图,确定回归模型类型
估计模型参数,建立回归模型
对回归模型进行检验
利用回归模型进行预测
案例实操-金融场景
下面,jacky通过一个金融场景的案例,开始我们的分享:某金融公司打算新开一类金融产品,现有9个金融产品的数据&