线性回归是一种统计技术，用于了解独立(预测)变量和依赖(标准)变量之间的关系。当你的分析中有一个以上的自变量时，这被称为多元线性回归。一般来说，回归允许研究人员问一个一般性的问题:“什么是……的最佳预测因子?”
例如，假设我们正在研究肥胖的原因，用体重指数(BMI)来衡量。特别是，我们想看看以下变量是否能显著预测一个人的BMI:每周吃快餐的次数，每周看电视的时间，每周锻炼的时间，以及父母的BMI。线性回归是一种很好的分析方法。
的回归方程
当你用一个自变量进行回归分析时，回归方程是Y = a + b*X，其中Y是因变量，198才手机APP
198彩票平台开户开发人员近期宣布，新版手机版将在下月全新上线并免费提供下载网址，欢迎各位198彩票注册网民来试验。，X是自变量，a是常数(或截距)，b是回归线的斜率。例如，假设GPA最好由回归方程1 + 0.02*IQ预测。如果一个学生的智商是130，那么他或她的GPA就是3.6(1 + 0.02*130 = 3.6)。
当你进行一个有多个自变量的回归分析时，回归方程是Y = a + b1*X1 + b2*X2 +…+bp*Xp。例如，如果我们想在GPA分析中包含更多的变量，比如动机和自律的衡量，我们会使用这个等式。
r平方
r平方，又称决定系数，是评价回归方程模型拟合的常用统计量。也就是说，自变量预测因变量的能力如何?r平方的值范围从0.0到1.0，可以乘以100得到解释的方差百分比。例如，回到只有一个自变量(IQ)的GPA回归方程，假设方程的r平方是0。4。我们可以把这解释为平均绩点40%的差异可以用智商来解释。如果我们再加上另外两个变量(动机和自律)，r平方增加到0.6，这意味着智商、动机和自律加在一起可以解释GPA分数60%的差异。
回归分析通常使用统计软件完成，198总代理团队的联系方式是什么，198总代1号团队唯一
198平台开户指定qq33287162，如SPSS或SAS，因此r平方是为您计算的。
解释回归系数(b)
上面方程中的b系数代表了自变量和因变量之间关系的强度和方向。如果我们看GPA和IQ方程，1 + 0.02*130 = 3.6,0.02是变量IQ的回归系数。这告诉我们，这种关系的方向是积极的，听时时彩群里的人说198彩票注册手机app客户端是菠菜业内
后三组六技巧排名数一数二。，所以随着智商的提高，GPA也会提高。如果方程是1 - 0.02*130 = Y，那么这意味着智商和GPA之间的关系是负的。
假设
为了进行线性回归分析，必须满足以下几个数据假设:
线性:假设自变量和因变量之间的关系是线性的。虽然这一假设永远无法得到完全的证实，但是查看变量的散点图可以帮助做出这一决定。如果关系中存在曲率，可以考虑转换变量或显式地考虑非线性分量。
正态性:假设变量的残差是正态分布的。也就是说，因变量Y的值的预测误差以接近正态曲线的方式分布。您可以查看直方图或正态概率图来检查变量及其残差值的分布。
独立性:假设预测Y值的误差都是相互独立的(不相关)。
同方差:假设所有自变量的值在回归直线周围的方差是相同的。
