1.阐明每个数据之间的逻辑关系,并确定哪些是自变量,哪些是因变量。
如图所示,这里需要对人均GDP和城市化水平进行分析,并建立两者之间一致的模型。
假设人均GDP为自变量,城市化水平假设为因变量。
2.由于我们不知道两者之间的具体关系,因此我们使用数据创建散点图来确定合适的模型。 生成的散点图如图1所示。 一般横轴是自变量,纵轴是因变量,所以这里用的是最简单的方法。 要移动因变量,请将其移动到自变量的右列,如图2所示。
3.查看步骤2中的散点图,可以确定自变量和因变量之间可能存在线性关系,并且可能会出现线性趋势线。 将添加额外的判断。 如图1所示。 您还可以添加指数、移动平均线等趋势线供您判断。 显然数据可以遵循线性关系,所以下面我们对数据进行回归分析。
“回归”。 具体工作见附图。5.步骤4进行回归分析的输出结果如附图所示。 从p指数可以判断回归模型是否有效,如果p<0.001,则非常显着,如果0.01
0.05不显着。 这些例子中的p值均小于0.001,具有高度显着性,使得回归模型有效。 这可以通过查看回归模型结果看出。
y=5E-06x+0.5876R²=0.9439
与图2相同。
上一篇:店铺数据分析表格
下一篇:电商数据分析的常用工具