数据分析回归分析模型如何使用?

【导读】回归分析模型是所有分析模型里最浅显，最容易懂的，并且回归分析有很多变化形态，能适用于很多问题场景，总的来说，回归模型是用来做预测的，那么数据分析回归分析模型如何使用呢?接下来就给大家做一下具体分享吧。

1、回归模型是用来做预测的

在数据分析里，预测分两种：

连续型预测：比如预计销售额是3550万，预测客户15万，预测结果是一个连续型数字。

分类预测：比如预计用户接电话/不接电话，预计新品上市后是A级/B级/C级，预测结果不是一个连续型数字，而是一个分类结果。

大部分回归分析模型都是连续型预测(逻辑回归除外)。今天就从最简单的，只有一个变量的简单线性回归分析讲起。

2、如何进行回归分析

做回归分析有五步：第一步：确认是否是预测问题

第二步：确认要预测的因变量，影响预测结果的自变量

第三步：收集数据，检验数据间关系

第四步：计算模型，检验结果

第五步：进行预测

看个具体问题场景：某公司在新品上市前，会提前进行宣传，并进行预约。虽然最终上市以后，并非只有预约用户买，但是如果能通过预约人数，预测销售情况，就能提前预判商品会不会受欢迎，从而把控库存情况。拿到问题后，一步步来：第一步：该场景需要的是预测，要预测的是销售额，是一个连续型变量。第二步：确认因变量，自变量。该问题中：因变量(要预测的)：销售额，自变量(影响预测结果的)：预约人数，没有其他变量了。

拿到数据后，可初步判断两个指标是否有关系，是何种关系，从而选择合适的模型。判断关系，最简单快捷的方法就是：散点图。因此拿到数据以后，可以先做散点图。因变量和自变量之间看起来是有明显线性关系的，因此可以用线性回归来做。

3、模型计算与解读

回归分析的模型解读略显复杂，并且包含了大量假设检验的知识，这里先不探讨其复杂原理，给个最简单的判断原则，小伙伴们抄起来能用即可。模型解读，分为三个部分：模型本身预测准不准：主要看R平方，模型整体是否有效：主要看F检验的结果，模型里，每个因变量的检验结果

建模的三个检验结果全部通过，表明模型可用。这次建模只有一个自变量+一个常数项，因此最终模型就是y=60+5x。常数项和自变量的数值，参见下图黄色部分

回归分析模型应用有了回归模型，我们就能预测未来情况啦。比如有一款新品，预约人数为4.5万人，则可以代入模型，预测销量为60+5*4.5=82.5万，商品部门就能据此备货了。

回归分析局限性没有模型是万能的，回归分析突出弱点有两个：回归不等于因果!不等于因果!不等于因果!回归模型只能从数据上说明：两个变量存在关系，但是实际上有没有关系，得看具体业务情况。因此千万不要乱用。

模型检验可能难以通过。为了演示方便，本文选择的数据非常漂亮，做出来三项检测全部通过，但实际情况会很复杂，出现各种检测不通过的情况，因此也衍生出更多、更复杂的知识点，这个我们后边慢慢分享。

关于数据分析回归分析模型使用方法，就给大家介绍到这里了，希望对大家能有所帮助，当然，回归分析有更多应用方式，比如用来预测用户响应/不响应的逻辑回归、用来预测时间走势的时间序列自回归等，小伙伴们先理解了回归分析模型的基础，我们再深入哦。