本文转载自微信公众号「码工小熊」，作家小熊妹  。转载本文请推敲码工小熊公众号。

大家好，我是爱学习的小xiong熊妹。

总有小伙伴想看分析模子，咱们就从最马虎的纪念分析模子讲起。纪念分析是通盘分析模子里最浅陋，最容易懂的，何况纪念分析有好多变化形式，能适用于好多问题场景。今天就一道来看一下。

一、为什么叫纪念?

纪念翻译自：regression，当先是统计学家们，情切到：孩子的身高总会向平均身高围聚，即使父母都很高，孩子也不会无穷长险峻去。从这些商量里，总结出纪念分析要领(regression，还有一个趣味趣味是：退化，不错说很形象了)。

是以，这里的“纪念”仅仅一个风尚称号，和业务部门口中的“纪念初心”“纪念原点”一毛钱关系都莫得!在筹商问题的时刻，业务部门最可爱扯“纪念”，做数据的小伙伴们，千万别被绕进去了!!!

二、纪念模子有什么用?

纪念模子是用来做：预测的。

在数据分析里，预测分两种：

相接型预测：比如预测销售额是3550万，预测客户15万，预测恶果是一个相接型数字。 分类预测：比如预测用户接电话/不接电话，预测新品上市后是A级/B级/C级，预测恶果不是一个相接型数字，而是一个分类恶果。

大部分纪念分析模子都是相接型预测(逻辑纪念之外)。今天就从最马虎的，唯唯一个变量的马虎线性纪念分析讲起。

三、如何进行纪念分析

做纪念分析有五步：

第一步：阐发是否是预测问题 第二步：阐发要预测的因变量，影响预测恶果的自变量 第三步：网罗数据，测验数据间关系 第四步：计较模子，测验恶果 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。固然最终上市以后，并非唯独预约用户买，可是若是能通过预约人数，预测销售情况，就能提前预判商品会不会受接待，从而把控库存情况。具体数据如下表。

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，是一个相接型变量。

第二步：阐发因变量，自变量。该问题中：

因变量(要预测的)：销售额

自变量(影响预测恶果的)：预约人数

莫得其他变量了。

拿到数据后，可初步判断两个推敲是否关系系，是何种关系，从而经受合乎的模子。判断关系，最马虎快捷的要领即是：散点图。因此拿到数据以后，不错先做散点图。如上图所示，因变量和自变量之间看起来是有昭着线性关系的，因此不错用线性纪念来做。

第三步：网罗数据，题目已帮衬网罗好了，插支配一步。

第四步：进行计较。马虎的线性纪念，用excel→数据分析→纪念即可计较(如下图)

至于模子解读，略为复杂，咱们逐渐看哦

四、模子计较与解读

纪念分析的模子解读略显复杂，何况包含了宽敞假定测验的学问，这里先不探讨其复杂旨趣，给个最马虎的判断原则，小伙伴们抄起来能用即可。

模子解读，分为三个部分：

模子自己预测准不准。主要看R泛泛(如下图蓝色) 模子全体是否有用。主要看F测验的恶果(如下图橙色) 模子里，每个因变量的测验恶果(如下图绿色)

从上图不错看出，本次建模的三个测验恶果全部通过，标明模子可用。

此次建模唯唯一个自变量+一个常数项，因此最终模子即是y=60+5x。常数项和自变量的数值，参见下图黄色部分：

五、纪念分析模子诈骗

有了纪念模子，咱们就能预测将来情况啦。比如有一款新品，预约人数为4.5万人，则不错代入模子，预测销量为60+5*4.5=82.5万，商品部门就能据此备货了。

六、纪念分析局限性

莫得模子是全能的，纪念分析隆起时弊有两个：

纪念不等于因果!不等于因果!不等于因果!纪念模子只可从数据上阐扬：两个变量存在关系，可是施行上有没关系系，得看具体业务情况。因此千万不要乱用。 

模子测验可能难以通过。为了演示简便，本文经受的数据卓越漂亮，做出来三项检测全部通过，但施行情况会很复杂，出现各式检测欠亨过的情况，因此也繁衍出更多、更复杂的学问点，这个咱们后边逐渐共享。