1、计量经济学与应用2. 回归分析主要内容1. 数据类型与研究 技术2. 回归分析的基本概念3. 回归 模型 的参数估计数据可视化技术描述性统计多 变 量分析技术模型研究技 术数据挖掘技 术数量型-非数量型数据 可视化分析技术描述性 统计频 数分析交叉表分析T检验数据探 查 分析相关分析多元 统计 分析技 术回 归 分析主成分分析因子分析聚 类 分析判 别 分析对应 分析多 维 尺度分析模型研究技 术结 合分析离散 选择 模型多 维 偏好分析结 构方程模型分 类树决策与 预测 模型数据挖掘技 术分 类回 归聚 类关 联特征变 化和偏差Web信息挖掘多元统计分析 多元统计分析研究 客观事物中多个变量
2、（或多个因素）之间相互依赖的统计规律性。它的重要基础之一是多元正态分析。又称多元分析 。 如果每个个体有多个观测数据，或者从数学上说 ， 如果个体的观测数据能表为 P维欧几里得空间的点，那么这样的数据叫做多元数据， 而分析多元数据的统计方法就叫做多元统计分析 。 它是数理统计学中的一个重要的分支学科 。 20世纪 30年代， R.A.费希尔， H.霍特林，许宝碌以及 S.N.罗伊等人作出了一系列奠基性的工作，使多元统计分析在理论上得到迅速发展。 50年代中期，随着电子计算机的发展和普及 ，多元统计分析在地质 、气象、生物、医学、图像处理、经济分析等许多领域得到了广泛的应用 ，同时也促进了理论的
3、发展。各种统计软件包如 SAS， SPSS等，使实际工作者利用多元统计分析方法解决实际问题更简单方便。重要的多元统计分析方法有： 多重回归分析（简称回归分析）、判别分析、聚类分析、主成分分析、对应分析、因子分析、典型相关分析、多元方差分析等。变量关系与研究方法依赖关系 结构方程模型（ Structural equation modeling, SEM）是一种融合了因素分析和路径分析的多元统计技术。它的强势在于对多变量间交互关系的定量研究。 典型相关分析（ canonical correlation analysis）就是利用综合变量对之间的相关关系来反映两组指标之间的整体相关性的多元统计分析方
4、法。 结合分析是一种专业技术，用于估测人们对一些能够详细定义某种产品或服务的属性和特征的评价。 离散选择模型 分为二元选择模型和多元选择模型，是因变量为离散变量的模型。 二元选择模型主要有： Probit模型、 Logit模型、 Extreme模型等 多元选择模型按照多重选择是否有顺序分为一般选择模型和排序选择模型结构关系 聚类分析是通过数据建模简化数据的一种方法。依据研究对象（样品或指标）的特征，对其进行分类的方法，减少研究对象的数目。 主成分分析（ Principal components analysis， PCA）是一种分析、简化数据集的技术。主成分分析经常用减少数据集的维数，同时保持
5、数据集的对方差贡献最大的特征。 多维尺度法是一种将多维空间的研究对象（样本或变量）简化到低维空间进行定位、分析和归类，同时又保留对象间原始关系的数据分析方法。 对应分析又称为相应分析，也称 RQ 分析。是因子分子基础发展起来的一种多元统计分析方法。它主要通过分析定性变量构成的列联表来揭示变量之间的关系。数据挖掘 数据挖掘（ Data Mining）就是从大量的、不完全的、有噪声的、模糊的、随机的 实际应用数据 中， 提取 隐含在其中的、人们事先不知道的、但又是潜在有用的 信息和知识的过程 。这个定义包括 好几层含义好几层含义 ：数据源必须是真实的、大量的、含噪声的；发现的是用户感兴趣的知识；发
6、现的知识要可接受、可理解、可运用；并不要求发现放之四海皆准的知识，仅支持特定的发现问题。 与数据挖掘相近的同义词有 数据融合、人工智能、商务智能、模式识别、机器学习、知识发现、数据分析和决策支持等。数据挖掘 分类。分类是找出数据库中一组数据对象的共同特点并按照分类模式将其划分为不同的类，其目的是通过分类模型，将数据库中的数据项映射到某个给定的类别。它可以应用到客户的分类、客户的属性和特征分析、客户满意度分析、客户的购买趋势预测等，如一个汽车零售商将客户按照对汽车的喜好划分成不同的类，这样营销人员就可以将新型汽车的广告手册直接邮寄到有这种喜好的客户手中，从而大大增加了商业机会。 回归分析。回归分析方法反映的是事务数据库中属性值在时间上的特征，产生一个将数据项映射到一个实值预测变量的函数，发现变量或属性间的依赖关系，其主要研究问题包括数据序列的趋势特征、数据序列的预测以及数据间的相关关系等。它可以应用到市场营销的各个方面，如客户寻求、保持和预防客户流失活动、产品生命周期分析、销售趋势预测及有针对性的促销活动等。 聚类。聚类分析是把一组数据按照相似性和差异性分为几个类别，其目的是使得属于同一类别的数据间的相似性尽可能大，不同类别中的数据间的相似性尽可能小。它可以应用到客户群体的分类、客户背景分析、客户购买趋势预测、市场的细分等。
