为什么要做回归方程，回归分析法的优点有哪些

本文目录一览

1，回归分析法的优点有哪些
2，spss中为什么要对线性回归方程进行统计检验
3，什么叫回归直线方程有什么作用如何计算
4，直线回归方程有何应用
5，为什么要对线性回归方程进行统计检验
6，为什么要对线性回归方程进行统计检验一般需要对哪些方面进行检验

1，回归分析法的优点有哪些

趋势分析法总体上分四大类：(一）纵向分析法；(二）横向分析法；(三）标准分析法；(四）综合分析法。此外，趋势分析法还有一种趋势预测分析。趋势预测分析运用回归分析法、指数平滑法等方法来对财务报表的数据进行分析预测，分析其发展趋势，并预测出可能的发展结果。以下先简要介绍如何运用趋势线性方程来作趋势预测分析，其它四类方法后面分别介绍。趋势线性方程是作趋势分析时，预测销售和收益所普遍采用的一种方法。公式表示为：y＝a＋bx.其中：a和b为常数，x表示时期系数的值，x是由分配确定，并要使∑x=0。为了使∑x＝0。当时期数为偶数或奇数时,值的分配稍有不同

回归分析法的优点有哪些

2，spss中为什么要对线性回归方程进行统计检验

这是为了检验回归方程有没有统计学意义，比如你建立了一个回归方程，对方程进行检验时，p大于0.05，这时候这个回归方程没有统计学意义。统计学意义不等同于现实意义。我举个例子，在某一度假村，把蚂蚁的数量与游客的数量作相关分析，所得的相关系数很大，比如大于0.8，线性回归也建立了回归方程，检验也有意义，从统计学上讲，当蚂蚁多的时候来这里度假的人也多。但是实际上呢，蚂蚁的多少跟气温有关，而气温同时也影响游客数量，气温高，游客多，蚂蚁也多。回归方程是对变量的总体间的线性的一个估计，建立的回归方程是建立在样本上的回归方程，只是完成了统计分析中变量关系的统计描述，研究者还必须回答它所来自总体的回归关系是否确实存在，因此要进行回归方程的假设检验。通俗地讲，用样本来估计总体，都要进行假设检验。

spss中为什么要对线性回归方程进行统计检验

3，什么叫回归直线方程有什么作用如何计算

弄清回归直线方程和直线方程的区别即可简单点回归直线方程上的点都是比较离散的不是严格的每个点在直线上我们要做的是知道这若干个离散的有一定规律的点用直线表示大致的点的位置回归直线方程，相应的直线叫做回归直线，b叫做回归系数。要确定回归直线方程①，只要确定a与回归系数b。具体求法需要用到最小二乘法具体点链接 http://baike.baidu.com/view/954762.htm

回归系数含义是说当其他因素不变时自变量的以单位变化引起的因变量的变化程度可决系数用ssr（回归平方和）处以sst 或者是1减去sse（残差平方和）处以sst的商其中sst是因变量的样本方差这个系数说明在因变量y的样本变化中，有多少部分是可以被自变量x的变化解释的

什么叫回归直线方程有什么作用如何计算

4，直线回归方程有何应用

直线回归方程应用1．直线回归方程的应用（1）描述两变量之间的依存关系；利用直线回归方程即可定量描述两个变量间依存的数量关系（2）利用回归方程进行预测；把预报因子（即自变量x）代入回归方程对预报量（即因变量Y）进行估计,即可得到个体Y值的容许区间． 2．应用直线回归的注意事项（1）做回归分析要有实际意义；（2）回归分析前,最好先作出散点图；（3）回归直线不要外延．

所谓回归方程,就是在实验数据拟合的时候,这一方程能够保证与具体实验数据之间的误差最小. 比如,我有实验数据点 (x1,y1),(x2,y2)......,(xn,yn),假设这些数据可以用y=f(x)来拟合, 如果y=f(x)能够保证(y1-f(x1))^2+(y2-f(x2))^2+.........(yn-f(xn))^2取最小,那么方程y=f(x)就是回归方程

5，为什么要对线性回归方程进行统计检验

首先要明白：方程的回归计算和曲线的拟合都是一种【近似计算】。因此，一个哪怕经过“精挑细选”的【线性】方程，它对于样本的《合用》程度依然是【不一定】的。（因为也许这批样本【根本就不能】用《线性方程》来描述！）所以为了考察这批样本对这个《线性方程》的贴合程度，为了向其它使用者证明这个方程的合理性，同时也可以为自己打气——这就是这批样本的合适方程，于是就要进行统计检验。【声明一下：这肯定是我自己的语言，和教材、教参无关。若你这是书本上的问答题，最好还是要从书上找答案。不过，大致的观点应该是没错的！】

1. 这是为了检验回归方程有没有统计学意义，比如你建立了一个回归方程，对方程进行检验时，p大于0.05，这时候这个回归方程没有统计学意义。2. 统计学意义不等同于现实意义。我举个例子，在某一度假村，把蚂蚁的数量与游客的数量作相关分析，所得的相关系数很大，比如大于0.8，线性回归也建立了回归方程，检验也有意义，从统计学上讲，当蚂蚁多的时候来这里度假的人也多。但是实际上呢，蚂蚁的多少跟气温有关，而气温同时也影响游客数量，气温高，游客多，蚂蚁也多。3. 回归方程是对变量的总体间的线性的一个估计，建立的回归方程是建立在样本上的回归方程，只是完成了统计分析中变量关系的统计描述，研究者还必须回答它所来自总体的回归关系是否确实存在，因此要进行回归方程的假设检验。4. 通俗地讲，用样本来估计总体，都要进行假设检验。

6，为什么要对线性回归方程进行统计检验一般需要对哪些方面进行检验

不论是何种数据，用最小二乘法是一定可以得到一个线性关系式的（除非所有的数据相同），但是两组数据并不一定存在线性相关关系，为了避免得到本不存在的回归方程，对相关关系的显著性进行检验。首先要明白：方程的回归计算和曲线的拟合都是一种【近似计算】。因此，一个哪怕经过“精挑细选”的【线性】方程，它对于样本的《合用》程度依然是【不一定】的。（因为也许这批样本【根本就不能】用《线性方程》来描述）所以为了考察这批样本对这个《线性方程》的贴合程度，为了向其它使用者证明这个方程的合理性，同时也可以为自己打气——这就是这批样本的合适方程，于是就要进行统计检验。

检验有很多种F检验，对方程的整体的显著性水平做检验，简单说就是那你这个方程列的有没有意义t检验，对某一个变量的显著水平做检验，简单说就是看这个变量对y的影响是否明显。异方差检验，看截面数据是否存在异方差时间序列检验，看时间序列数据是否存在序列相关性多重共线性检验，看多个解释变量间是否存在共线性。以上任何一个问题都会使你的回归结果变得不可靠，不可信，甚至于不可用。希望帮到你。

检验有很多种f检验，对方程的整体的显著性水平做检验，简单说就是那你这个方程列的有没有意义t检验，对某一个变量的显著水平做检验，简单说就是看这个变量对y的影响是否明显。异方差检验，看截面数据是否存在异方差时间序列检验，看时间序列数据是否存在序列相关性多重共线性检验，看多个解释变量间是否存在共线性。以上任何一个问题都会使你的回归结果变得不可靠，不可信，甚至于不可用。希望帮到你。