JASP一元線性回歸示例分析

發布時間：2022-03-18 15:55:54 來源：億速云閱讀：364 作者：iii 欄目：大數據

這篇文章主要介紹“JASP一元線性回歸示例分析”，在日常操作中，相信很多人在JASP一元線性回歸示例分析問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”JASP一元線性回歸示例分析”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

JASP推出了自己的特色模塊，Visual Modeling，可視化或視覺化建模模塊。該模塊認為每個統計方法都有自己特質的統計圖形相配，有針對性的統計圖形更有利于研究人員觀察和了解數據，并創建出一個最佳的模型。

接下來，我們將使用銷售數據來練習簡單一元線性回歸的可視化建模過程。

因變量：sales，連續數據

自變量：advert，連續數據

分析目的：考察廣告投入與銷售的關系

菜單操作（1）

【Visual Modeling】中選擇【Linear Modeling】，將sales移入因變量框，將advert移入自變量框。

JASP會實時繪制出基于advert和sales兩數據的散點圖，并給線性擬合線，用戶也可以根據散點圖的分布趨勢，選擇平方項或立方項擬合線。本例擬創建一元線性回歸模型，圖示如下：

廣告投入越多產品銷售相應越好，產品銷售額和廣告投入間存在線性關系，適合擬合線性回歸模型進而考察二者的關系。

具體的線性回歸模型為：

sales = 6.584 + 1.071 * advert

廣告投入每增加一個單位，產品銷售額相應增加1.071個單位，線性回歸系數95%CI（0.875~1.267），廣告投入對銷售額的影響有統計學意義。

菜單操作（2）

在【Plots】選項卡中，勾選【Diagnostics】，命令進行殘差診斷，判斷數據是否滿足線性回歸的基本條件。

JASP給出包含三種殘差的組合圖，信息高效。左上殘差直方圖顯示殘差數據輕微左偏，可以認為是近似符合正態分布，右上的殘差散點圖點的分布呈現一定的曲線規律，提示殘差可能是不齊的，但不是特別嚴重，本例認為滿足殘差的方差齊次要求。

綜合認為，本組數據基本滿足線性回歸條件，擬合所得的一元線性回歸可用于考察advert和sales間的關系。

到此，關于“JASP一元線性回歸示例分析”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！

向AI問一下細節

亚洲激情专区-91九色丨porny丨老师-久久久久久久女国产乱让韩-国产精品午夜小视频观看