图一所有制造一站式服务,模板和统计分析
在几分钟内完成
ChartitNOW 导航
side bar spacer side bar spacer
 
即时下载
Securely download your templates
TMSSonline Total Manufacturing Systems Solutions
The Complete Lean Shop
PayPal Logo
满意

它是什么: 回归分析是一种统计分析评估两个变量之间的关联。回归分析的建模与一个因变量(反应变量)的一个或多个,(解释变量)组成的独立变量的值数值数据分析的技术。回归方程中的变量被建模为一个独立变量,相应的参数的函数(“常量”),和一个误差项。误差项被视为一个随机变量。它代表了无法解释的因变量的变化。参数估计,以给予“最适合的数据”。最常见的是被评为最适合使用最小二乘法,但其他标准也被使用。

为什么使用它: 回归可用于预测(包括时间序列预测数据),推理,假设检验和因果关系的建模。这些回归使用依赖于大量的基本假设得到满足。

凡使用它: 为了查明和确定变量之间的数学关系,使预测的基础上,可预期的关系。

如何使用它: 回归模型预测的 y变量的值给定的X变量的已知值。如果预测是要做内用来构建这个模型是已知的x内插变量值的范围。以外的用于构建模型的预测数据的范围被称为推断,这是风险更大。

重要事项:

  • 即使当一个变量之间的关系存在,直线不能总是定义关系。

古典的回归分析假设还包括:

  • 该样本必须是人口预测为代表的推论。
  • 该错误是假定有可能为零有条件的解释性变量意味着一个随机变量。
  • 独立变量是错误。如果情况并非如此,建模可以完成使用错误中,变量的模型技术。
  • 线性的预测必须是独立的,也就是说,它不能发表任何有可能作为别人的线性组合预测。见多重共线性。
  • 这些错误是不相关的,即方差协方差矩阵是对角的误差,每个非零元素是错误的变异。
  • 该错误的差异是在观测固定(homoscedasticity)。如果没有,加权最小二乘或其他方法可以使用。

这些是足够的(但不是所有的必要)的最小二乘估计的条件,具备理想的性能,特别是,这些假设意味着,参数估计将是公正,一致,并在有效的线性无偏估计类。这些假设可能会放宽许多较先进的治疗方法。


  名称
格式
预览 (点击放大)
  单回归模板第1 页
Microsoft Excel Format
Single Regression Template Page 1
  多元回归模板第 1页
Microsoft Excel Format
Multiple Regression Template Page 1
  多元回归模板第 2页
Microsoft Excel Format
Multiple Regression Template Page 2
  多元回归模板第 3页
Microsoft Excel Format
Multiple Regression Template Page 3
美元 $14.95
Paypal icon
我已阅读并同意 条款和条件。
添加到购物车