JASP一元线性回归示例分析

发布时间：2022-03-18 15:55:54 来源：亿速云阅读：365 作者：iii 栏目：大数据

这篇文章主要介绍“JASP一元线性回归示例分析”，在日常操作中，相信很多人在JASP一元线性回归示例分析问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”JASP一元线性回归示例分析”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

JASP推出了自己的特色模块，Visual Modeling，可视化或视觉化建模模块。该模块认为每个统计方法都有自己特质的统计图形相配，有针对性的统计图形更有利于研究人员观察和了解数据，并创建出一个最佳的模型。

接下来，我们将使用销售数据来练习简单一元线性回归的可视化建模过程。

因变量：sales，连续数据

自变量：advert，连续数据

分析目的：考察广告投入与销售的关系

菜单操作（1）

【Visual Modeling】中选择【Linear Modeling】，将sales移入因变量框，将advert移入自变量框。

JASP会实时绘制出基于advert和sales两数据的散点图，并给线性拟合线，用户也可以根据散点图的分布趋势，选择平方项或立方项拟合线。本例拟创建一元线性回归模型，图示如下：

广告投入越多产品销售相应越好，产品销售额和广告投入间存在线性关系，适合拟合线性回归模型进而考察二者的关系。

具体的线性回归模型为：

sales = 6.584 + 1.071 * advert

广告投入每增加一个单位，产品销售额相应增加1.071个单位，线性回归系数95%CI（0.875~1.267），广告投入对销售额的影响有统计学意义。

菜单操作（2）

在【Plots】选项卡中，勾选【Diagnostics】，命令进行残差诊断，判断数据是否满足线性回归的基本条件。

JASP给出包含三种残差的组合图，信息高效。左上残差直方图显示残差数据轻微左偏，可以认为是近似符合正态分布，右上的残差散点图点的分布呈现一定的曲线规律，提示残差可能是不齐的，但不是特别严重，本例认为满足残差的方差齐次要求。

综合认为，本组数据基本满足线性回归条件，拟合所得的一元线性回归可用于考察advert和sales间的关系。

到此，关于“JASP一元线性回归示例分析”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注亿速云网站，小编会继续努力为大家带来更多实用的文章！

向AI问一下细节

猜你喜欢