python回归分析五部曲_Python回归分析五部曲（二）—多重线性回归

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&