如何使用線性回歸方法

Ⅰ 怎麼判斷用線性回歸還是非線性回歸

優先選擇線性回歸，因為線性回歸容易處理。也可以選擇非線性回歸。非線性回歸很復雜，而線性回歸的方法基本上前人已經完善的差不多了。

處理可線性化處理的非線性回歸的基本方法是，通過變數變換，將非線性回歸化為線性回歸，然後用線性回歸方法處理。

假定根據理論或經驗，已獲得輸出變數與輸入變數之間的非線性表達式，但表達式的系數是未知的，要根據輸入輸出的n次觀察結果來確定系數的值。

(1)如何使用線性回歸方法擴展閱讀：

多數非線性模型中，參數必須限制在有意義的區間內。指的是在迭代過程中對參數的限制。分為線性約束和非線性約束。線性約束中將參數乘以常數 但這個常數不能為其他參數或者自身。非線性約束中至少有一個參數和其他參數相乘或者相除或者進行冪運算。

線性回歸模型經常用最小二乘逼近來擬合，但他們也可能用別的方法來擬合，比如用最小化「擬合缺陷」在一些其他規范里（比如最小絕對誤差回歸），或者在橋回歸中最小化最小二乘損失函數的懲罰。

相反，最小二乘逼近可以用來擬合那些非線性的模型。因此，盡管「最小二乘法」和「線性模型」是緊密相連的，但他們是不能劃等號的。

Ⅱ 如何用matlab線性回歸分析

回歸分析是處理兩個及兩個以上變數間線性依存關系的統計方法。可以通過軟體Matlab實現。

在Matlab中，可以直接調用命令實現回歸分析，

（1）[b,bint,r,rint,stats]=regress(y,x)，其中b是回歸方程中的參數估計值，bint是b的置信區間，r和rint分別表示殘差及殘差對應的置信區間。stats包含三個數字，分別是相關系數，F統計量及對應的概率p值。

（2）recplot(r,rint)作殘差分析圖。

（3）rstool(x,y)一種互動式方式的句柄命令。

Ⅲ 怎樣用excel畫線性回歸曲線

怎樣用excel畫線性回歸曲線的解決方法如下：
1、用數值做出一個（xy）散點圖，
2、右鍵散點圖中的點，
3、選擇「添加趨勢線...」，
4、在「類型」中選擇「線性」
5、點擊確定按鈕， 這樣就可以了。

Ⅳ 線性回歸方程怎麼用（高中程度）

我們以一簡單數據組來說明什麼是線性回歸。假設有一組數據型態為 y=y(x)，其中

x={0, 1, 2, 3, 4, 5}, y={0, 20, 60, 68, 77, 110}

如果我們要以一個最簡單的方程式來近似這組數據，則非一階的線性方程式莫屬。先將這組數據繪圖如下

圖中的斜線是我們隨意假設一階線性方程式 y=20x，用以代表這些數據的一個方程式。以下將上述繪圖的 MATLAB 指令列出，並計算這個線性方程式的 y 值與原數據 y 值間誤差平方的總合。

>> x=[0 1 2 3 4 5];

>> y=[0 20 60 68 77 110];

>> y1=20*x; % 一階線性方程式的 y1 值

>> sum_sq = sum(y-y1).^2); % 誤差平方總合為 573

>> axis([-1,6,-20,120])

>> plot(x,y1,x,y,'o'), title('Linear estimate'), grid

如此任意的假設一個線性方程式並無根據，如果換成其它人來設定就可能採用不同的線性方程式；所以我們 須要有比較精確方式決定理想的線性方程式。我們可以要求誤差平方的總合為最小，做為決定理想的線性方 程式的准則，這樣的方法就稱為最小平方誤差(least squares error)或是線性回歸。MATLAB的polyfit函數提供了 從一階到高階多項式的回歸法，其語法為polyfit(x,y,n)，其中x,y為輸入數據組n為多項式的階數，n=1就是一階 的線性回歸法。polyfit函數所建立的多項式可以寫成

從polyfit函數得到的輸出值就是上述的各項系數，以一階線性回歸為例n=1，所以只有 二個輸出值。如果指令為coef=polyfit(x,y,n)，則coef(1)= , coef(2)=,...,coef(n+1)= 。注意上式對n 階的多 項式會有 n+1 項的系數。我們來看以下的線性回歸的示範：

>> x=[0 1 2 3 4 5];

>> y=[0 20 60 68 77 110];

>> coef=polyfit(x,y,1); % coef 代表線性回歸的二個輸出值

>> a0=coef(1); a1=coef(2);

>> ybest=a1*x+a0; % 由線性回歸產生的一階方程式

>> sum_sq=sum(y-ybest).^2); % 誤差平方總合為 356.82

>> axis([-1,6,-20,120])

>> plot(x,ybest,x,y,'o'), title('Linear regression estimate'), grid
參考資料：http://www.nuist.e.cn/courses/gllysltj/gltj/10/gltj10020101.htm

Ⅳ 用Excel 多元線性回歸的方法分析數據

1.理清各個數據之間的邏輯關系，搞清楚哪個是自變數，哪個又是因變數。如附圖所示，這里要對人均gdp和城市化水平進行分析，建立符合兩者之間的模型，假定人均gdp為自變數，城市化水平是因變數。
2.由於不知道兩者之間的具體關系如何，所以利用數據生成一個散點圖判斷其可能符合的模型。如附圖1所示為生成的散點圖，一般橫坐標為自變數，縱坐標為因變數，所以需要將x軸，y軸的坐標對調一下，這里採用最簡單的方法，將因變數移動到自變數的右邊一列即可，如附圖2所示。
3.由步驟2的散點圖，可以判斷自變數和因變數之間可能呈線性關系，可以添加線性趨勢線進一步加以判斷。如附圖1所示。也可以添加指數，移動平均等趨勢線進行判斷。很明顯數據可能符合線性關系，所以下面我們對數據進行回歸分析。
4.選擇菜單欄的「數據分析」-->「回歸」。具體操作如附圖所示。
5.步驟4進行的回歸分析輸出結果如附圖所示。回歸模型是否有效，可以參見p指，如果p<0.001則極端顯著，如果0.001<p<0.01非常顯著，0.01<p<0.05則一般顯著，p>0.05則不顯著。本例的p值均小於0.001，所以屬於極端顯著，故回歸模型是有效的。根據回歸模型的結果可知。
y
=
5E-06x
+
0.5876R²
=
0.9439
如附圖2所示。

Ⅵ 如何用excel做線性回歸方程

方法/步驟

先是將數據錄入到excel中，下面我是順便編了一組數據，不算好看，只要大家懂就行了。

插入XY散點圖，點擊進入「下一步」。

點擊箭頭所示圖標，將X軸數據選中，點回車鍵返回到這個界面。系列產生在「行」。

點擊上面的「系列」，按上述方法將X值Y值分別選中。其它的什麼命名大家應該都會，我就直接點擊「完成"了。

此時就可以得到下圖所示的散點圖。

然後雙擊任何一個散點，進入下面這個界面。類型可以根據自己需要進行選擇。

點擊上面的」選項「，將」顯示公式「打勾，點擊確定即可。

8
此時就得到了下面所示的線性回歸方程的圖形，斜率也可以直接從圖形中讀出。

Ⅶ 股票中畫線工具的線性回歸帶怎麼用

扯淡用的，你是股評聽多了！屁股想想就知道了，股評就是瞎侃，不推薦學習！宏觀經濟形勢聽聽就算了，所謂技術流，我堅決不信。補充一點：就算信，你也學不來！

Ⅷ 怎麼用EXCEL 線性回歸方程

你按F1進入幫助，查找LINEST，很好的解釋和例子。注意是數組公式，回車時需要同時按Ctrl和Shift鍵。

Ⅸ 線性回歸法

在統計學中，線性回歸(Linear Regression)是利用稱為線性回歸方程的最小平方函數對一個或多個自變數和因變數之間關系進行建模的一種回歸分析。這種函數是一個或多個稱為回歸系數的模型參數的線性組合。只有一個自變數的情況稱為簡單回歸,大於一個自變數情況的叫做多元回歸。（這反過來又應當由多個相關的因變數預測的多元線性回歸區別，而不是一個單一的標量變數。）
回歸分析中有多個自變數：這里有一個原則問題，這些自變數的重要性，究竟誰是最重要，誰是比較重要，誰是不重要。所以，spss線性回歸有一個和逐步判別分析的等價的設置。
原理：是F檢驗。spss中的操作是「分析」～「回歸」～「線性」主對話框方法框中需先選定「逐步」方法～「選項」子對話框
如果是選擇「用F檢驗的概率值」，越小代表這個變數越容易進入方程。原因是這個變數的F檢驗的概率小，說明它顯著，也就是這個變數對回歸方程的貢獻越大，進一步說就是該變數被引入回歸方程的資格越大。究其根本，就是零假設分水嶺，例如要是把進入設為0.05，大於它說明接受零假設，這個變數對回歸方程沒有什麼重要性，但是一旦小於0.05，說明，這個變數很重要應該引起注意。這個0.05就是進入回歸方程的通行證。
下一步：「移除」選項：如果一個自變數F檢驗的P值也就是概率值大於移除中所設置的值，這個變數就要被移除回歸方程。spss回歸分析也就是把自變數作為一組待選的商品，高於這個價就不要，低於一個比這個價小一些的就買來。所以「移除」中的值要大於「進入」中的值，默認「進入」值為0.05，「移除」值為0.10
如果，使用「採用F值」作為判據，整個情況就顛倒了，「進入」值大於「移除」值，並且是自變數的進入值需要大於設定值才能進入回歸方程。這里的原因就是F檢驗原理的計算公式。所以才有這樣的差別。
結果：如同判別分析的逐步方法，表格中給出所有自變數進入回歸方程情況。這個表格的標志是，第一列寫著擬合步驟編號，第二列寫著每步進入回歸方程的編號，第三列寫著從回歸方程中剔除的自變數。第四列寫著自變數引入或者剔除的判據，下面跟著一堆文字。

Ⅹ 如何用spss做線性回歸

多元線性回歸
1.打開數據，依次點擊：analyse--regression，打開多元線性回歸對話框。
2.將因變數和自變數放入格子的列表裡，上面的是因變數，下面的是自變數。
3.設置回歸方法，這里選擇最簡單的方法：enter，它指的是將所有的變數一次納入到方程。其他方法都是逐步進入的方法。
4.等級資料，連續資料不需要設置虛擬變數。多分類變數需要設置虛擬變數。
虛擬變數ABCD四類，以a為參考，那麼解釋就是b相對於a有無影響，c相對於a有無影響，d相對於a有無影響。
5.選項裡面至少選擇95%CI。
點擊ok。
統計專業研究生工作室原創，請勿復雜粘貼