求最优回归方程
我们应该求解只使用对目标变量真正产生影响的因子的回归方程。这是因为如果使用对目标变量不产生影响的因子，可能导致预测精确度降低。如果因子很少，求解的变量也就很少。这样，统计的变景数据很少，就可以节省时间，在实际应用中非常有效。在统计学上，仅仅使用产生影响的因子的方程叫做“最优回归方程”，或者“最优回归模型”。
求最优回归方程的步骤如下：
最优回归方程是当Ru是正数且数值最大时的组合。
接下来，说明实际操作步骤。
1、进行回归分析后，把表1的分析结果（1、2、3）代入回归方程，计算因子选择标准（Ru）为0.72l。
表1
2、接着，进行因子分析，结果如图1所示。从图1可知。影响度绝对值最小的因于是“拍卖会地点”。因此，删除所有拍卖会地点的附属项目 （“东京”、“关东（不古东京）” 、“东海”、 “近畿”、 “中国、四国、九州”）。
图1
3、对表2进行回归分析
表2
表2的目归分析结果，如表3所示。
表3
4、根据表3.得出Ru是0.726.然后以此进行因子分析，其结果如表4所示，可知影响度绝对值最小的是“AW”。
表4
把表4制成Excel柱形图，如图2所示。
图2
5、删除影响度数值最小的“AW”，再次进行回归分析。
重复操作直到目于减少为1个。这里省略对操作步骤的说明。
到目前为止。共计运行了8次回归分析。下面求8次运行结果的Ru值，并统计到表5中。
表5
把表5转换成折线图，如图3所示。
图3
使因子选择标准Ru最大的组台，就是最优回归方程。从表3 25得知，当因子数是7个时，可得最优回归方程。
因此，根据表3得出最优回归方程：
方程1
根据方程1求最高价格：
y=267.58+46.99+23.59+45.74-241.94十（-3.41）*40+6.99*22+86.30*4.5=991.60'）
用同样的方法求最低价格：
y=267.58+0+O+0+0+（-3.41）*65+6.99*0+86.30x3.5=347.98"
我们的求最优回归方程和前面的几节教程是相互联系的，大家在学习的时候要从前到后的学习，这样才可以学会的。
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
CDA 数据分析师：善用 Power BI 索引列，提升数据处理与分析效率 在 Power BI 数据分析流程中，“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师：巧用 SQL 多个聚合函数，解锁数据多维洞察 在企业数据分析场景中，单一维度的统计（如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师：驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中，表格结构数据（如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南：从 DAX 度量到可视化落地 在业务数据分析中，“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据：用法、实例与实战技巧 在 Python 编程中，函数是代码复用与逻辑封装的核心载体。多数场景下，我们 ...
2025-08-15CDA 数据分析师：引领商业数据分析体系构建，筑牢企业数据驱动根基 在数字化转型深化的今天，企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性（Feature Importance）排名解析 在机器学习领域，随机森林因其出色的预测性能和对高维数据的适应性，被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中，t 统计量是常用的重要指标，其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中，数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量：数据链路中的双重镜像 在商业数据分析体系中，流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中，商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师：数据时代的价值挖掘者 在数字经济高速发展的今天，数据已成为企业核心资产，而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中，开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据：从业务需求到技术实现 在数据分析场景中，连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制：数据打乱的艺术与实践 在深度学习模型训练过程中，数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选：从基础语法到实战应用 在数据分析工作中，基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域：从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年，数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率：计算方法与实践意义 在游戏行业中，流水（即游戏收入）是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级：数据分析入门的基石 在当今数据驱动的时代，数据分析能力已成为职场中的一项重要技能。CDA（Certified Data Anal ...
2025-08-12破解游戏用户流失困局：从数据洞察到留存策略 在游戏行业竞争白热化的当下，用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
