一个简单的线性回归模型建立了自变量和因变量之间的直线关系。
简单线性回归模型有两个目的:
1.它描述了一个变量对另一个变量的线性依赖关系
2.它可以根据自变量和因变量之间的历史关系,从另一个变量的值中预测出一个变量的值。
数学上简单的线性回归模型可以定义为:
找到最佳拟合直线Ŷi = aX + b,使得Y的误差平方和∑(Yi - Ŷi)2是最小
其中,Yi=实际值,Ŷi=预测值
b=直线斜率=协方差(X, Y)/方差(X)
例:让我们看看ABC公司过去5年的销售和广告支出数据。我们会尽量找出广告预算和销售额之间的关系,如果有的话。
一年 |
广告支出 |
销售 |
1 |
Rs 150000 |
Rs 4000000 |
2 |
Rs 200000 |
Rs 5500000 |
3. |
Rs 165000 |
Rs 4300000 |
4 |
Rs 120000 |
Rs 3300000 |
5 |
Rs 180000 |
Rs 5100000 |
为可用数据绘制散点图。如果这条直线与每个数据点之间的距离尽可能小,那么这条直线就成为线性回归线。
从图中我们可以看出,广告支出和销售额之间有很强的关系。
简单线性回归模型可以用直线方程表示为:
Y = 0.973x + 206386
Y=销售额,X=广告支出
因此,本文总结了简单线性回归模型的定义及其概述。
这篇文章是由业务概念小组.它已由MBA Skool团队审查和发表。beplay.888MBA Skool的内容仅用于beplay.888教育和学术目的。
浏览更多类似术语的定义和含义。《管理词典》涵盖了5类2000多个业务概念。
继续阅读: