数据分析-spss5.12

今日课程内容

• 内容回顾

• 线性回归

  相关分析

  一元回归分析

  多元回归分析

  多重回归分析

内容回顾

数据分析的基本流程
   1.加载数据(数据的类型，可能需要修改)
   2.数据处理
       Excel的数据处理
       spss的数据处理
   3.数据统计分析：方差、标准差、最大值、最小值、和...
       Excel的统计
       spss的统计性描述分析
   4.可视化
       绘制图表
       Excel的插入图表
       spss的简单图表
       后期：学习Tableua可视化工具
   5.数据检验
      spss的推断统计
      python的机器学习
   6.数据预测
      线性回归
      逻辑回归
      时间序列
      工具：spss、python...
   7.写报告

推断统计

概念：利用样本数据推断出总体的参数。
 推断统计：
     参数估计
     假设检验
 检验方式：
   参数检验
      平均值检验
      单样本T检验
      两独立样本T检验
      两配对样本T检验
   非参数检验
      卡方检验
      二项分布检验
      游程检验

作业讲解

# 定义函数
def func1(list1, list2):
    # 集合的元素特征是不重复
    a = set(list1)
    b = set(list2)
    # 求所有相同元素
    res = a & b
    # 求所有不同元素
    res2 = a ^ b
    return res, res2
# 定义列表
c = [1, 2, 3, 4, 5, 6]
d = [3, 4, 5, 6, 7, 8]
# 调用函数
func1(c, d)
print(func1(c, d))
print(func1(c, d)[1])


t = 0
with open(r'F:\func1\cache\b.txt', 'w', encoding='utf8') as f:
    f.write('{"t":%s}' % t)
# 定义函数
def func1():
    global t # 全局变量t
    t += 1
    with open(r'F:\func1\cache\b.txt', 'w', encoding='utf8') as f:
        f.write('{"t":%s}' % t)
func1()
func1()
func1()
# 读取文件内容
with open(r'F:\func1\cache\b.txt', 'r', encoding='utf8') as f:
    res = f.read()
    print(res)

回归

目录：
	相关分析
    回归分析
    一元分析
    多元分析
    逐步分析
    非线性回归

相关分析

概念：在做回归分析时，需要知道哪些自变量会对因变量产生影响，所以需要对数据进行相关分析。
自变量：影响结果的变量，称为自变量（可以是多个）
因变量：要研究的对象就叫做因变量（有且只有1个）

变量：
    人工变量和虚拟变量
    在做分析时，有的变量可以进行度量计算，有的变量不能度量计算(季度，职业等)，对它进行
 "量化"处理，构造只取"0"或"1"的人工变量，称为虚拟变量。

相关分析的描述：
        0相关
        负相关
        正相关
        
        
变量关系：
   函数关系
   相关关系
   因果关系
   并生关系

相关系数：可以根据相关系统得出相关的程度
极强相关      0.8~1
强相关        0.6~0.8
中等相关      0.4~0.6
弱相关        0.2~0.4
无关          0~0.2

相关的种类
    1.根据自变量的多少划分，可分为单相关和复相关
    2.根据相关关系的方向划分，可分为正相关和负相关
    3.根据变量间相互关系的表现形式划分，线性相关和非线性相关
    4.根据相关关系的程度划分，可分为不相关、完全相关和不完全相关

回归分析

基于相关原则的一种预测方法。
回归的基本分类
    哑变量
       包含：逻辑回归
       不包含：一元、多元回归
    
线性回归分析的基本步骤
       1.明确目标，确定因变量(计算结果)、自变量
       2.绘制散点图，建立回归预测模型(线性回归、逻辑回归等)
       3.进行相关分析
       4.计算预测预测差值
       5.计算预测值

一元回归分析

一元就是指只有一个自变量，因此，方程里只有一个X
案例1：广告费用与销售额
案例2：总人数与进店人数

多元回归分析

多元，则表示有多个自变量，方程里会有很多个X，如X1，X2，X3，等等
如：研究促销活动、包装、价格等等多个因素对产品销量的影响，那自变量是包括促销活动、包装、价格，等等，自变量很多