3.预测未来变化的回归公式
这个案例的线性回归公式，结构应该是Y=β0+β1X价格+β2X评论条数+β3X评分+β4X时间 。只要求出β系数的值，就能获得公式 。
回归公式的β系数
Coefficients，表示系数列，其中Intercept是常数项系数，即β0；其余变量的系数，对照Coefficients值，可以自行对号入座 。
【如何提升线性回归的解释性】
案例的Adjusted R2=40.14%，这个解释性并不强，其中一个原因是“销量排名”的数据变化并不是线性的，因为排名数据是相对的，而其他自变量数据都是绝对的 。所以要提升解释性，可以先把几个变量转变成线性相关 。
1.那么如何转变成线性相关呢？有个办法就是将所有变量自然对数化，在excel中就是使用ln函数 。这样可以获得变量间的相对百分比变化，比如价格提高百分之一，销量排名变化了百分之几 。
LN函数
2.用新的LN变量进行回归分析，操作步骤就不重复了，直接看分析结果：
提升解释性
我们发现LN后，Adjusted R2=53.54%，提升了10个百分点，说明自变量整体对因变量变化的解释性确实更强了 。同时，评论条数的P值不再接近0，不再显著相关，说明评论条数增加，并不怎么影响销量排名 。
以上是关于回归分析学习笔记的分享，在践行费曼学习法的同时，也希望能帮助对数据分析有兴趣的同学~
(今完)
推荐阅读
- excel表格如何设置下拉选项多选
- excel合并同类项并将数量合并
- 如何查重excel数据
- excel行列十字交叉高亮显示
- excel相同姓名数据排在一行
- 钉钉上excel表格怎么编辑
- 王者荣耀辅助装备分析
- excel平均分怎么保留两位小数
- excel表格下拉勾选多项
- excel怎么查找名字