什么是回归分析法？急：spss里Logistic回归分析结果解释的一个简单问题谢谢

本文目录

• 什么是回归分析法
• 急：spss里Logistic回归分析结果解释的一个简单问题谢谢
• 回归分析主要研究什么关系
• 线性回归方程的公式是什么
• 什么是回归分析回归分析有什么用主要解决什么问题
• 相关分析与回归分析的区别和联系是什么
• 请教 回归分析 实例
• 数据回归分析的目的和意义是什么
• spss中logistic回归模型 的结果怎么看
• 如何用EXCEL做回归分析

什么是回归分析法

回归分析（英语：Regression Analysis）是一种统计学上分析数据的方法，目的在于了解两个或多个变量间是否相关、相关方向与强度，并建立数学模型以便观察特定变量来预测研究者感兴趣的变量。

回归分析中，当研究的因果关系只涉及因变量和一个自变量时，叫做一元回归分析；当研究的因果关系涉及因变量和两个或两个以上自变量时，叫做多元回归分析。此外，回归分析中，又依据描述自变量与因变量之间因果关系的函数表达式是线性的还是非线性的，分为线性回归分析和非线性回归分析。回归分析法预测是利用回归分析方法，根据一个或一组自变量的变动情况预测与其有相关关系的某随机变量的未来值。进行回归分析需要建立描述变量间相关关系的回归方程。根据自变量的个数，可以是一元回归，也可以是多元回归。根据所研究问题的性质，可以是线性回归，也可以是非线性回归。非线性回归方程一般可以通过数学方法为线性回归方程进行处理。

急：spss里Logistic回归分析结果解释的一个简单问题谢谢

不一定！这取决于因变量的编码，情况十分复杂：
假如，因变量编码为1时代表无病，2代表有病，那么偏回归系数为负就说明是保护性因素；如果编码为1时代表有病，2代表无病，那么偏回归系数为负就说明是危险因素，正好与前面的说法相反！注意，这个说法仅仅对于自变量为连续变量者（如体重、年龄、身高等）而言。
因此，在spss的Logistic回归分析中，因变量编码十分重要，总结以上规律不难发现，Logistic回归默认因变量编码小者为对照分类（或称参考分类）。
对于自变量为分类变量者（如性别、婚姻状态等）而言，偏回归系数的符号不但取决于因变量编码，还取决于自变量的对照分类（或称参考分类）的设定，这个设定用户是可以调整的，系统默认编码最大者为对照分类（或称参考分类），这个情况你可以在分析结果的参数估计表中看到。因此，在因变量编码为1时代表无病，2代表有病默认设置下，如果自变量也采用默认设置，那么某一偏回归系数为负就说明，相对于自变量的对照分类而言，该自变量分类为保护性因素，其他情况可以类推。

回归分析主要研究什么关系

在统计学中，回归分析主要研究两种或两种以上变量间相互依赖的定量关系。

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，可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，可分为线性回归分析和非线性回归分析。

在大数据分析中，回归分析是一种预测性的建模技术，它研究的是因变量（目标）和自变量（预测器）之间的关系。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。

回归分析的应用：

相关分析研究的是现象之间是否相关、相关的方向和密切程度，一般不区别自变量或因变量。而回归分析则要分析现象之间相关的具体形式，确定其因果关系，并用数学模型来表现其具体关系。

比如说，从相关分析中可以得知“质量”和“用户满意度”变量密切相关，但是这两个变量之间到底是哪个变量受哪个变量的影响，影响程度如何，则需要通过回归分析方法来确定。

以上内容参考：百度百科-回归分析

线性回归方程的公式是什么

先求x,y的平均值X,Y
再用公式代入求解：b=(x1y1+x2y2+...xnyn-nXY)/(x12+x22+...xn2-nX2)
后把x,y的平均数X，Y代入a=Y-bX
求出a并代入总的公式y=bx+a得到线性回归方程
（X为xi的平均数，Y为yi的平均数）

什么是回归分析回归分析有什么用主要解决什么问题

1、“回归分析”是指分析因变量和自变量之间关系，回归分析的基本思想是: 虽然自变量和因变量之间没有严格的、确定性的函数关系，但可以设法找出最能代表它们之间关系的数学表达形式。

2、回归分析有很广泛的应用，例如实验数据的一般处理，经验公式的求得，因素分析，产品质量的控制，气象及地震预报，自动控制中数学模型的制定等等。

3、回归分析主要处理变量的统计相关关系。

相关分析与回归分析的区别和联系是什么

一、回归分析和相关分析主要区别是：

1、在回归分析中,y被称为因变量,处在被解释的特殊地位,而在相关分析中,x与y处于平等的地位,即研究x与y的密切程度和研究y与x的密切程度是一致的；

2、相关分析中,x与y都是随机变量,而在回归分析中,y是随机变量,x可以是随机变量,也可以是非随机的,通常在回归模型中,总是假定x是非随机的；

3、相关分析的研究主要是两个变量之间的密切程度,而回归分析不仅可以揭示x对y的影响大小,还可以由回归方程进行数量上的预测和控制.

二、回归分析与相关分析的联系：

1、回归分析和相关分析都是研究变量间关系的统计学课题。

2、在专业上研究上：

有一定联系的两个变量之间是否存在直线关系以及如何求得直线回归方程等问题,需进行直线相关分析和回归分析。

3、从研究的目的来说：

若仅仅为了了解两变量之间呈直线关系的密切程度和方向,宜选用线性相关分析；若仅仅为了建立由自变量推算因变量的直线回归方程,宜选用直线回归分析.

扩展资料：

1、相关分析是研究两个或两个以上处于同等地位的随机变量间的相关关系的统计分析方法。

例如，人的身高和体重之间；空气中的相对湿度与降雨量之间的相关关系都是相关分析研究的问题。

2、回归分析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。运用十分广泛。

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，可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，可分为线性回归分析和非线性回归分析

参考资料：百度百科－回归分析

百度百科－相关分析

请教 回归分析 实例

回归方程：Y = -68.0353 + 1.791065*X

R Square与 Adjusted R Square的值十分接近，说明方程总的来说效果良好，同时Significance F（显著性水平）的值极小，仅为7.39E-11，远小于0.05，说明方程回归效果很好。

常数项（截距）的P-value值、满意指数的P-value值都很小，说明截距是明显的，而且满意指数对Y的影响也十分显著。

方程中的常数项、满意指数系数都由样本估计出。常数项、满意指数系数的95%置信区间都比较大，可以保证，实际情况下总体方程的常数项有95%的可能性在（-84.447，-51.6236）区间，满意指数系数有95%的可能性在（1.606263 1，1.975868）区间。

这里，如果提供更多的观测数据（X，Y），可以获得更好的方程系数预测效果。同时也提高Y值的预测精度。

数据回归分析的目的和意义是什么

数据回归分析的目的和意义是将一系列影响因素和结果进行一个拟合，拟合出一个方程，然后通过将这个方程应用到其他同类事件中，可以进行预测。

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，可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，可分为线性回归分析和非线性回归分析。

大数据要分析的数据类型主要有四大类：

1、交易数据(TRANSACTION DATA)

大数据平台能够获取时间跨度更大、更海量的结构化交易数据，这样就可以对更广泛的交易数据类型进行分析，不仅仅包括POS或电子商务购物数据，还包括行为交易数据，例如Web服务器记录的互联网点击流数据日志。

2、人为数据(HUMAN-GENERATED DATA)

非结构数据广泛存在于电子邮件、文档、图片、音频、视频，以及通过博客、维基，尤其是社交媒体产生的数据流。这些数据为使用文本分析功能进行分析提供了丰富的数据源泉。

3、移动数据(MOBILE DATA)

能够上网的智能手机和平板越来越普遍。这些移动设备上的App都能够追踪和沟通无数事件，从App内的交易数据(如搜索产品的记录事件)到个人信息资料或状态报告事件(如地点变更即报告一个新的地理编码)。

4、机器和传感器数据(MACHINE AND SENSOR DATA)

这包括功能设备创建或生成的数据，例如智能电表、智能温度控制器、工厂机器和连接互联网的家用电器。这些设备可以配置为与互联网络中的其他节点通信，还可以自动向中央服务器传输数据，这样就可以对数据进行分析。

spss中logistic回归模型 的结果怎么看

SPSS中做完二值Logistic回归后，回归结果只看最后一个表格，表格中参数B代表回归系数值，SIg代表偏差，只要SIg值小于0.05的B值，都是符合回归结果的值。

如何用EXCEL做回归分析

在日常数据分析工作当中，回归分析是应用十分广泛的一种数据分析方法，按照涉及自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。

回归分析的实施步骤：

1）根据预测目标，确定自变量和因变量

2）建立回归预测模型

3）进行相关分析

4）检验回归预测模型，计算预测误差

5）计算并确定预测值

我们接下来讲解在Excel2007中如何进行回归分析？

一、案例场景

为了研究某产品中两种成分A与B之间的关系，现在想建立不同成分A情况下对应成分B的拟合曲线以供后期进行预测分析。测定了下列一组数据：

二、操作步骤

1、先绘制散点图：具体步骤是选中数据，插入—》图表—》散点图

2、在散点图的数据点上右键—》添加趋势线

3、在弹出的选项框的选项中选择公式和相关系数等，这样就以得到拟合的直线

在图中我们可以看到，拟合的回归方程是 y = 0.223x + 9.121 ，R² = 0.982

附：R2相关系数取值及其意义

我们进一步使用Excel中数据分析的回归分析提供更多的分析变量来描述这一个线性模型

4、选中数据—》数据—》数据分析—》回归

注：本操作需要使用Excel扩展功能，如果您的Excel尚未安装数据分析，可以参考该专题文章的第一篇《用Excel进行数据分析：数据分析工具在哪里？》。