为了找出color、rarity、flower number、type of species对price的影响,由此,price为因变量,color、rarity、flower number、type 为自变量。
研究自变量对因变量的影响,可以选用的方法有两种,一种是传统的线性回归模型OLS,另一种是广义线性模型GLM(Generalized Linear Model)。传统模型(OLS)要求因变量服从正态分布,广义线性模型(GLM)则适用的范围更广,不要求因变量一定服从正态分布,并且方差也可以不稳定。
第一步:考察因变量price的分布类型。
基于以上的分析,为了判断应该适用OLS还是使用GLM。需要先对因变量price的分布状况进行分析。首先,检验因变量price是否服从正态分布,检验的结果如下:
Table 1 Tests of Normality
|
Kolmogorov-Smirnova |
Shapiro-Wilk |
||||
|
Statistic |
df |
Sig. |
Statistic |
df |
Sig. |
Price |
.149 |
156 |
.000 |
.818 |
156 |
.000 |
a. Lilliefors Significance Correction |
上表是正态性检验的结果,K-S检验和S-W检验的SIG.全部小于0.05.由此可以知道,因变量price不服从正态分布。因此,研究color、rarity、flower number、type of species对price的影响不能选用传统线性模型(OLS)分析,必须选用GLM模型。
通过price不服从正态分布这一结论,得出必须选用GLM模型之后,还需要进一步找出因变量price到底服从哪种分布。经过尝试,得出因变量price服从Gamma分布。
第二步:GLM分析
确定选用GLM模型和因变量price是服从Gamma分布的,进行GLM分析,结果如下:
Table 2
Case Processing Summary |
||
|
N |
Percent |
Included |
156 |
100.0% |
Excluded |
0 |
0.0% |
Total |
156 |
100.0% |
上表的结果陈述了,参与分析的案例个数为156。
Table 3
Categorical Variable Information |
||||
|
N |
Percent |
||
Factor |
Color |
Green |
30 |
19.2% |
Red |
30 |
19.2% |
||
White |
29 |
18.6% |
||
Black |
30 |
19.2% |
||
Yellow |
22 |
14.1% |
||
Blue |
15 |
9.6% |
||
Total |
156 |
100.0% |
||
Rarity |
Rare |
83 |
53.2% |
|
Commom |
73 |
46.8% |
||
Total |
156 |
100.0% |
||
FlowerNumber |
Single flower |
72 |
46.2% |
|
Multiple flowers |
84 |
53.8% |
||
Total |
156 |
100.0% |
||
TypeofSpecies |
Native species |
61 |
39.1% |
|
First generation hybrids |
42 |
26.9% |
||
Complex hybrids |
53 |
34.0% |
||
Total |
156 |
100.0% |
上表的结果展现了4个自变量中每个类别的选择的人数及其占比。
Table 4
Goodness of Fita |
|||
|
Value |
df |
Value/df |
Deviance |
68.838 |
146 |
.471 |
Scaled Deviance |
166.574 |
146 |
|
Pearson Chi-Square |
68.353 |
146 |
.468 |
Scaled Pearson Chi-Square |
165.400 |
146 |
|
Log Likelihoodb |
-767.832 |
|
|
Akaike's Information Criterion (AIC) |
1557.665 |
|
|
Finite Sample Corrected AIC (AICC) |
1559.498 |
|
|
Bayesian Information Criterion (BIC) |
1591.213 |
|
|
Consistent AIC (CAIC) |
1602.213 |
|
|
Dependent Variable: Price Model: (Intercept), Color, Rarity, FlowerNumber, TypeofSpecies |
|||
a. Information criteria are in small-is-better form. |
|||
b. The full log likelihood function is displayed and used in computing information criteria. |
上表是GLM模型的拟合优度分析结果,拟合优度分析是用于反映模型总体上对数据信息的表达是否充分。Deviance拟合优度检验法和Pearson Chi-Square拟合优度检验法计算出的显著性水平分别为0.471和0.468,均大于0.05,由此可以知道,模型的拟合情况良好,即模型能够比较真实可靠地反映出数据。
来CDA学业务数据分析师,SPSS理论结合实战进行项目数据分析,助你成为从事数据采集、清洗、处理、分析并能制作业务报告、提供决策的新型数据分析人才,点击了解课程详情!
数据分析咨询请扫描二维码
CDA持证人已遍布在世界范围各行各业,包括世界500强企业、顶尖科技独角兽、大型金融机构、国企事业单位、国家行政机关等等,“CDA数据分析师”人才队伍遵守着CDA职业道德准则,发挥着专业技能,已成为支撑科技发展的核心力量。 ...
2022-03-18CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01