返回首页
- 具有相关关系的变量之间虽然具有某种不确定性，但是，通过对现象的不断观察可以探索出它们之间的统计规律，这类统计规律称为回归关系。有关回归关系的理论、计算和分析称为回归分析。
- 回归分析方法被广泛地用于解释市场占有率、销售额、品牌偏好及市场营销效果。把两个或两个以上定距或定比例的数量关系用函数形势表示出来，就是回归分析要解决的问题。回归分析是一种非常有用且灵活的分析方法，其作用主要表现在以下几个方面：
（1）判别自变量是否能解释因变量的显著变化----关系是否存在；
（2）判别自变量能够在多大程度上解释因变量----关系的强度；
（3）判别关系的结构或形式----反映因变量和自变量之间相关的数学表达式；
（4）预测自变量的值；
（5）当评价一个特殊变量或一组变量对因变量的贡献时，对其自变量进行控制。
- 回归分析可以分为简单线性回归分析和多元线性回归分析。
（一）简单线性回归分析
如果发现因变量Y和自变量X之间存在高度的正相关，可以确定一条直线的方程，使得所有的数据点尽可能接近这条拟合的直线。简单回归分析的模型可以用以下方程表示：
Y = a + bx
其中：Y为因变量，a为截距，b为相关系数，x为自变量。
（二）多元线性回归分析
多元线性回归是简单线性回归的推广，指的是多个因变量对多个自变量的回归。其中最常用的是只限于一个因变量但有多个自变量的情况，也叫多重回归。多重回归的一般形式如下:
Y = a + b1X1 + b2X2 + b3X3 +……+ bkXk
a代表截距， b1,b2,b3,……,bk为回归系数。
|
