一元线性回归模型的优缺点

TIPS：本文共有 604 个字，阅读大概需要 2 分钟。

一、优点

1、它表明自变量和因变量之间的显著关系

2、它表明多个自变量对一个因变量的影响强度。

回归分析也允许去比较那些衡量不同尺度的变量之间的相互影响，如价格变动与促销活动数量之间联系。这些有利于帮助市场研究人员，数据分析人员以及数据科学家排除并估计出一组最佳的变量，用来构建预测模型。

二、缺点

回归模型比较简单，算法相对低级。

扩展资料

应用

相关分析研究的是现象之间是否相关、相关的方向和密切程度，一般不区别自变量或因变量。而回归分析则要分析现象之间相关的具体形式，确定其因果关系，并用数学模型来表现其具体关系。

比如说，从相关分析中我们可以得知“质量”和“用户满意度”变量密切相关，但是这两个变量之间到底是哪个变量受哪个变量的影响，影响程度如何，则需要通过回归分析方法来确定。

一般来说，回归分析是通过规定因变量和自变量来确定变量之间的因果关系，建立回归模型，并根据实测数据来求解模型的各个参数，然后评价回归模型是否能够很好的拟合实测数据如果能够很好的拟合，则可以根据自变量作进一步预测。

例如，如果要研究质量和用户满意度之间的因果关系，从实践意义上讲，产品质量会影响用户的满意情况，因此设用户满意度为因变量，记为Y质量为自变量，记为X。通常可以建立下面的线性关系： Y=A+BX+§。

式中：A和B为待定参数，A为回归直线的截距B为回归直线的斜率，表示X变化一个单位时，Y的平均变化情况§为依赖于用户满意度的随机误差项。

小编精心整理的这篇内容：一元线性回归模型的优缺点，如果你看到此处请一定要收藏哦！