每天进步一点点

案例：根据父子身高建立线性回归模型

分析要求： 1:根据表中的数据估计子辈身高依据父辈身高的线性回归模型，写出回归方程 并检验变量间线性关系是否显著（α=0.05）； 2:解释模型中回归系数的现实含义；

分析结果： 回归方程 y = 35.825+0.476x； 回归系数0.476 表示父辈身高x对子辈身高y的影响为正，即父辈身高越高，则子辈身高也越高，这符合实际情况；

所用数据请移步至“我的资源”进行下载，需要1c币哦

一元线性回归模型是建模中相对来说很简单的，下面分别用spss，excel方法分别建模

这里是excel方法， 根据父子身高建立线性回归模型

这里是 python skearn LinearRegression 根据父子身高建立一元线性回归

1: spss 方法

分析–回归–线性，方法默认输入 儿子身高 设置为因变量；父亲身高设置为自变量；如下： 在 统计 中设置置信区间95%，模型拟合度，描述，个案诊断等，继续 在绘图中做散点图，DEPENDNT 做Y 轴，ZPRED 做 X轴，继续

保存 – 勾选以下， 继续

点击确定后，输出结果，以下结果解读：

图1👇👇👇👇👇👇👇👇 描述统计解读： 显示x和y的描述统计量，包含 均值，标准差，例数； 图2 👇👇👇👇👇👇👇👇👇解读：

1: 给出x和y的相关系数R = 0.703，调整后R方 =0.443 R方用于判断线性方程拟合优度的重要指标，提现回归模型解释因变量的能力，越接近1越好，这里R方=0.494，初步判断模型拟合效果一般； 2: 方差分析结果，回归的均方为41.802，P = 0.011