回归分析主要研究什么关系？
回归分析主要研究的是因变量（目标）和自变量（预测器）之间的关系。
在大数据分析中，回归分析是一种预测性的建模技术，这种技术通常用于预测分析，时间序列模型以及发现变量之间的因果关系。例如，司机的鲁莽驾驶与道路交通事故数量之间的关系，最好的研究方法就是回归。
在统计学中，回归分析指的是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。回归分析按照涉及的变量的多少，分为一元回归和多元回归分析；按照因变量的多少，分为简单回归分析和多重回归分析；按照自变量和因变量之间的关系类型，分为线性回归分析和非线性回归分析。
回归分析研究的主要问题是：
1、确定Y与X间的定量关系表达式，这种表达式称为回归方程。
2、对求得的回归方程的可信度进行检验。
3、判断自变量X对因变量Y有无影响。
4、利用所求得的回归方程进行预测和控制。
逐步回归分析研究X(自变量,通常为量数据)对Y(因变量,定量数据)的影响关系情况,X可以为多个,但并非所有X均会对Y产生影响;当X个数很多时,可以让系统自动识别出有影响的X;这一自动识别分析方法则称为逐步回归分析;如果全部X均没有显著性,此时系统默认返回 回归分析结果。
分析步骤共为四步,分别是:
第一步:首先对模型情况进行分析
第二步:分析X的显著性
第三步:判断X对Y的影响关系方向
第四步:其它
逐步回归分析仅在回归分析的基础上，加入了一项功能，即自动化移除掉不显著的X，通常逐步回归分析用于探索研究中。
逐步回归分析之后，可对回归模型进行检验。可包括以下四项：
多重共线性：可查看VIF值，如果全部小于10（严格是5），则说明模型没有多重共线性问题，模型构建良好；反之若VIF大于10说明模型构建较差。
自相关性：如果D-W值在2附近（1.7~2.3之间），则说明没有自相关性，模型构建良好，反之若D-W值明显偏离2，则说明具有自相关性，模型构建较差。自相关问题产生时建议对因变量Y数据进行查看。
残差正态性：在分析时可保存残差项，然后使用“直方图”直观检测残差正态性情况，如果残差直观上满足正态性，说明模型构建较好，反之说明模型构建较差。如果残差正态性非常糟糕，建议重新构建模型，比如对Y取对数后再次构建模型等。
异方差性：可将保存的残差项，分别与模型的自变量X或者因变量Y，作散点图，查看散点是否有明显的规律性，比如自变量X值越大，残差项越大/越小，这时此说明有规律性，模型具有异方差性，模型构建较差。如果有明显的异方差性，建议重新构建模型，比如对Y取对数后再次构建模型等。
另外，如果回归分析出现各类异常，请查看数据中是否有异常值（可通过比如描述分析、箱线图、散点图等查看），找出异常值，并且处理掉异常值（使用“异常值”功能）。也或者使用稳健回归（Robust回归进行分析，Robust回归是专门处理异常值情况下的回归模型）。
首先分析最终余下的X情况;以及被模型自动排除在外的X; 接着对模型拟合情况(比如R 2为0.3,则说明所有余下X可以解释Y 30%的变化原因),模型共线性问题(VIF值小于5则说明无多重共线性).
模型余下的X一定具有显著性;具体分析X的影响关系情况即可.
回归系数B值大于0说明正向影响,反之负向影响.
比如对比影响程度大小(回归系数B值大小对比X对Y的影响程度大小)..
可以使用SPSSAU快速进行回归分析
绛旓細鍥炲綊鍒嗘瀽涓昏鐮旂┒鐨勬槸鍥犲彉閲忥紙鐩爣锛夊拰鑷彉閲忥紙棰勬祴鍣級涔嬮棿鐨勫叧绯銆傚湪澶ф暟鎹垎鏋愪腑锛屽洖褰掑垎鏋愭槸涓绉嶉娴嬫х殑寤烘ā鎶鏈紝杩欑鎶鏈氬父鐢ㄤ簬棰勬祴鍒嗘瀽锛屾椂闂村簭鍒楁ā鍨嬩互鍙婂彂鐜板彉閲忎箣闂寸殑鍥犳灉鍏崇郴銆備緥濡傦紝鍙告満鐨勯瞾鑾介┚椹朵笌閬撹矾浜ら氫簨鏁呮暟閲忎箣闂寸殑鍏崇郴锛屾渶濂界殑鐮旂┒鏂规硶灏辨槸鍥炲綊銆傚湪缁熻瀛︿腑锛屽洖褰掑垎鏋愭寚鐨勬槸纭畾涓ょ鎴...
绛旓細1銆佹帰绌跺彉閲忎箣闂寸殑鍏崇郴锛氬洖褰掑垎鏋愮敤浜庢帰绌惰嚜鍙橀噺涓庡洜鍙橀噺涔嬮棿鐨勫叧绯銆傚畠鍙互甯姪鎴戜滑浜嗚В鍙橀噺涔嬮棿鐨勭浉浜掍綔鐢ㄥ拰褰卞搷绋嬪害锛屼互鍙婂畠浠浣曢殢鐫鍏朵粬鍙橀噺鐨勫彉鍖栬屽彉鍖栥2銆侀娴嬪拰棰勬祴寤烘ā锛氶氳繃寤虹珛鍥炲綊妯″瀷锛屾垜浠彲浠ヤ娇鐢ㄥ凡鐭ョ殑鑷彉閲忓兼潵棰勬祴鏈煡鐨勫洜鍙橀噺鍊笺傝繖瀵逛簬棰勬祴鍜屽埗瀹氬喅绛栭潪甯告湁鐢紝渚嬪鏍规嵁骞垮憡鎶曞叆鏉ラ娴嬮攢鍞...
绛旓細銆愮瓟妗堛戯細鐩稿叧鍒嗘瀽鍜屽洖褰掑垎鏋愰兘鏄爺绌跺垎鏋愮浉鍏冲叧绯荤殑鏂规硶锛屼絾鏄紝鐩稿叧鍒嗘瀽涓昏鐮旂┒鍑犱釜闅忔満鍙橀噺涔嬮棿鐨勪即闅忓彉鍔ㄧ▼搴︼紝鍒嗘瀽鐨勭粨鏋滄槸璁＄畻鍚勭被鐩稿叧绯绘暟銆傚洖褰掑垎鏋愪富瑕佺爺绌跺嚑涓彉閲忓鏌愪竴鐗瑰畾鍙橀噺鐨勫奖鍝嶏紝杩欎竴鐗瑰畾鍙橀噺浣滀负闅忔満鍙橀噺澶勭悊锛屽叾浣欏彉閲忎綔涓洪潪闅忔満鍙橀噺澶勭悊鍒嗘瀽鐨勭粨鏋滄槸寤虹珛鍥炲綊鏂圭▼锛屽苟鍙牴鎹洖褰掓柟绋嬮娴嬬壒瀹...
绛旓細鎬讳箣锛鐩稿叧鍒嗘瀽鍜屽洖褰掑垎鏋愰兘鏄敤浜庣爺绌跺彉閲忎箣闂村叧绯荤殑鏂规硶锛屼絾瀹冧滑鐨勭洰鏍囧拰搴旂敤鏈夋墍涓嶅悓锛岄渶瑕佹牴鎹叿浣撶爺绌堕棶棰橀夋嫨閫傚綋鐨勬柟娉曘傜浉鍏冲垎鏋愮殑鏂规硶 鐩稿浜庨棶棰樻垨鐮旂┒涓婚锛岀浉鍏冲垎鏋愭槸涓绉嶅涓や釜鎴栧涓彉閲忎箣闂村叧绯荤殑缁熻鏂规硶銆傜浉鍏虫у垎鏋愬彲浠ョ敤鏉ヨ瘑鍒嚭鍙橀噺涔嬮棿鐨勭浉浜掍緷瀛樻т互鍙婂畠浠箣闂寸殑鍏崇郴寮哄害鍜屾柟鍚戙傚父鐢ㄧ殑...
绛旓細1銆佸洖褰掑垎鏋愬拰鐩稿叧鍒嗘瀽閮芥槸鐮旂┒鍙橀噺闂村叧绯荤殑缁熻瀛﹁棰銆2銆佸湪涓撲笟涓婄爺绌朵笂锛氭湁涓瀹氳仈绯荤殑涓や釜鍙橀噺涔嬮棿鏄惁瀛樺湪鐩寸嚎鍏崇郴浠ュ強濡備綍姹傚緱鐩寸嚎鍥炲綊鏂圭▼绛夐棶棰,闇杩涜鐩寸嚎鐩稿叧鍒嗘瀽鍜屽洖褰掑垎鏋愩3銆佷粠鐮旂┒鐨勭洰鐨勬潵璇达細鑻ヤ粎浠呬负浜嗕簡瑙ｄ袱鍙橀噺涔嬮棿鍛堢洿绾垮叧绯荤殑瀵嗗垏绋嬪害鍜屾柟鍚,瀹滈夌敤绾挎х浉鍏冲垎鏋愶紱鑻ヤ粎浠呬负浜嗗缓绔嬬敱鑷彉閲...
绛旓細鍥炲綊鍒嗘瀽娉曟槸涓绉嶇粺璁″垎鏋愭柟娉曘傚洖褰掑垎鏋愭硶涓昏鐢ㄤ簬鐮旂┒鍙橀噺涔嬮棿鐨勫叧绯锛岀壒鍒槸褰撲竴涓彉閲忓彲鑳藉彈澶氫釜鍥犵礌褰卞搷鏃讹紝鍙互浣跨敤鍥炲綊鍒嗘瀽娉曟潵鎺㈢┒杩欎簺鍥犵礌鐨勫奖鍝嶇▼搴︺傝繖绉嶆柟娉曠殑鏍稿績鍦ㄤ簬閫氳繃寤虹珛鏁板妯″瀷鏉ラ娴嬩竴涓垨澶氫釜鑷彉閲忎笌涓涓洜鍙橀噺涔嬮棿鐨勪緷璧栧叧绯汇備笅闈㈣缁嗕粙缁嶅洖褰掑垎鏋愭硶鐨勪竴浜涘叧閿蹇靛拰搴旂敤銆傚洖褰掑垎鏋愭硶鐨...
绛旓細鍥炲綊鍒嗘瀽鏄竴绉嶇粺璁℃柟娉曪紝鐢ㄤ簬鐮旂┒涓や釜鎴栧涓彉閲忎箣闂寸殑渚濊禆鍏崇郴锛屽挨鍏舵槸鑷彉閲忓拰鍥犲彉閲忎箣闂寸殑绾挎у叧绯汇傚叾搴旂敤骞挎硾锛屾剰涔夋繁杩溿傚湪瀹為檯搴旂敤涓紝鍥炲綊鍒嗘瀽鍙互甯姪鎴戜滑鐞嗚В鍜岄娴嬬幇璞°備緥濡傦紝鍦ㄨ川閲忕鐞嗕腑锛岄氳繃鐮旂┒璐ㄩ噺涓庣敤鎴锋弧鎰忓害涔嬮棿鐨勫叧绯锛屽彲浠ュ缓绔嬪洖褰掓ā鍨嬫潵棰勬祴鐢ㄦ埛婊℃剰搴︺傚叿浣撹岃█锛屽亣璁句骇鍝佽川閲忔槸鑷彉閲...
绛旓細鐩稿叧鍒嗘瀽涓鍥炲綊鍒嗘瀽閮芥槸缁熻涓鐮旂┒鍙橀噺涔嬮棿鍏崇郴鐨甯哥敤鍔炴硶銆備粬浠兘鍙互鏂畾涓ょ粍鍙橀噺鍏锋湁缁熻鐩稿叧鎬с傜浉鍏冲垎鏋愪腑涓ょ粍鍙橀噺鐨勫湴浣嶆槸骞崇瓑鐨勶紝鑰屽洖褰掑垎鏋愪袱涓彉閲忎綅缃竴鑸笉鑳戒簰鎹傝繖涓ょ鍒嗘瀽鏄粺璁′笂鐮旂┒鍙橀噺涔嬮棿鍏崇郴鐨勫父鐢ㄥ姙娉曘1銆佺浉鍚岀偣锛氫粬浠兘鍙互鏂畾涓ょ粍鍙橀噺鍏锋湁缁熻鐩稿叧鎬с2銆佷笉鍚岀偣锛氱浉鍏冲垎鏋愪腑涓ょ粍...
绛旓細鍥炲綊鍒嗘瀽鏄竴绉嶆洿涓烘繁鍏ョ殑缁熻鎶鏈紝瀹冨湪鐮旂┒鐩稿叧鎬鐨鍩虹涓婏紝杩涗竴姝ユ帰绌跺彉閲忎箣闂寸殑鍏蜂綋鏁伴噺鍏崇郴銆傚洖褰掑垎鏋愭棬鍦ㄥ缓绔嬩竴涓暟瀛︽ā鍨嬶紝鏉ユ弿杩颁竴涓垨澶氫釜鑷彉閲忓鍥犲彉閲忕殑褰卞搷绋嬪害銆傞氳繃杩欎釜妯″瀷锛屾垜浠彲浠ラ娴嬩竴涓垨澶氫釜鑷彉閲忓彉鍖栨椂鍥犲彉閲忕殑鍙樺寲瓒嬪娍銆傜畝鍗曟潵璇达紝鍥炲綊鍒嗘瀽鍏佽鎴戜滑鍩轰簬宸茬煡鏁版嵁棰勬祴鏈煡鏁版嵁鐐广傚畠浠...
绛旓細鍥炲綊鍒嗘瀽鐨勫疄璐ㄦ槸灏嗗彉閲忎箣闂翠笉纭畾鐨勬暟閲忓叧绯昏浆鍖栦负纭畾鐨勬暟閲忓叧绯,鍗冲皢鍙橀噺涔嬮棿鐨勭浉鍏冲叧绯昏浆鍖栦负鍑芥暟鍏崇郴銆傚湪澶ф暟鎹垎鏋愪腑锛屽洖褰掑垎鏋愭槸涓绉嶉娴嬫х殑寤烘ā鎶鏈紝瀹冪爺绌剁殑鏄洜鍙橀噺锛堢洰鏍囷級鍜岃嚜鍙橀噺锛堥娴嬪櫒锛変箣闂寸殑鍏崇郴銆傝繖绉嶆妧鏈氬父鐢ㄤ簬棰勬祴鍒嗘瀽锛屾椂闂村簭鍒楁ā鍨嬩互鍙婂彂鐜板彉閲忎箣闂寸殑鍥犳灉鍏崇郴銆備緥濡傦紝鍙告満鐨勯瞾鑾介┚椹...
