0

我有一些数据要对其进行多重回归。

1-多元回归是解决这个问题的正确分析吗

2-有人可以指导我如何使用下面的数据集在熊猫或 Minitab 中执行此操作

以下是 100 位随机销售人员的数据样本。

输出指标是每个人每次互动的收入金额(如果客户在 90 天内取消销售,这可能是负数)。

输入指标是 100 次交互中每个单位类型的销售数量。显然,每次互动售出的单位越多(3 种类型的单位),每次互动获得的收入就越多。我如何解释这 3 种单位类型指标与我的输出指标之间的关系?我想说如果 X1 是 0.75,X2 是 1.0,X3 是 0.25,那么我的 Y 将是一个特定值。

现在,我们单独驱动每个指标,而不考虑它们的交互和依赖关系,这对于预测潜在性能似乎效率低下。

Person  Y   X1  X2  X3
1   ($0.81) 0.43    0.54    0.00
2   $3.75   0.67    1.11    0.11
3   $1.76   0.23    0.70    0.00
4   $2.38   0.87    1.24    0.00
5   $5.06   0.62    1.11    0.37
6   $5.35   0.63    1.13    0.25
7   $2.94   0.64    0.76    0.00
8   $2.84   0.51    0.64    0.00
9   $0.35   0.00    0.90    0.00
10  $2.61   0.53    0.92    0.00
11  ($0.31) 0.40    0.27    0.13
12  $4.78   0.41    0.81    0.00
13  $2.76   0.54    1.09    0.00
14  $5.25   0.82    1.09    0.00
15  $2.23   0.14    0.82    0.14
16  $1.45   0.42    0.84    0.00
17  $3.14   0.28    0.99    0.00
18  $4.21   0.71    0.71    0.71
19  $1.33   0.57    0.57    0.00
20  $2.78   0.58    1.01    0.00
21  $1.71   0.29    1.15    0.00
22  $4.43   0.44    0.73    0.15
23  $4.74   0.73    1.17    0.00
24  $1.30   0.44    0.44    0.00
25  $2.68   0.59    0.74    0.15
26  $1.84   0.30    0.74    0.00
27  $3.88   0.74    1.33    0.00
28  $2.11   0.30    0.74    0.00
29  $4.50   0.30    0.60    0.00
30  $3.46   0.60    1.05    0.00
31  $4.07   0.30    1.20    0.00
32  $3.50   0.90    1.20    0.00
33  $1.21   0.30    0.45    0.00
34  $2.55   0.45    0.60    0.15
35  $4.06   0.76    1.06    0.00
36  $0.44   0.46    0.61    0.00
37  $2.00   0.76    0.46    0.00
38  $0.33   0.15    0.77    0.00
39  $2.24   0.61    0.92    0.00
40  $2.81   0.77    1.54    0.00
41  $1.12   0.00    0.31    0.00
42  $1.30   0.15    0.46    0.31
43  $3.05   0.31    1.69    -0.15
44  $3.59   0.62    0.92    0.00
45  $3.17   0.62    1.39    0.00
46  $0.99   0.31    0.00    0.00
47  $2.00   0.63    0.63    0.47
48  $3.90   0.78    1.10    0.00
49  ($0.26) 0.00    0.32    0.00
50  $5.81   0.48    0.95    0.00
51  $1.91   0.16    0.16    0.00
52  $0.55   0.00    0.48    0.00
53  $1.26   0.32    0.64    0.16
54  $2.63   0.80    0.96    0.00
55  $4.00   0.96    1.28    0.00
56  $6.55   0.96    1.59    0.00
57  $1.85   -0.16   0.32    0.32
58  $4.40   1.12    1.60    0.00
59  $0.78   0.32    0.16    0.16
60  $2.33   0.64    0.48    0.16
61  $4.33   0.32    0.97    0.00
62  $2.73   0.97    1.45    0.16
63  $0.89   0.16    0.32    0.00
64  $1.24   0.16    0.32    0.00
65  $2.38   0.33    0.33    0.00
66  $2.97   0.33    0.82    0.00
67  $4.17   0.33    0.82    0.82
68  $1.79   0.33    0.49    0.00
69  $4.14   0.49    0.82    0.00
70  ($0.02) 0.33    0.99    0.00
71  $4.54   0.33    0.83    0.00
72  $3.31   0.50    0.83    0.00
73  $4.71   0.50    1.17    0.00
74  $2.54   0.50    1.01    0.17
75  $2.82   0.34    0.68    0.00
76  $1.76   0.17    0.68    0.00
77  $0.42   0.17    0.34    0.00
78  $2.46   0.51    0.51    0.00
79  $2.75   0.34    0.34    0.00
80  $2.09   0.35    0.69    0.17
81  $3.11   0.52    1.04    0.00
82  $0.79   0.17    0.70    0.00
83  $3.55   0.70    0.87    0.00
84  $0.81   0.52    1.22    0.00
85  $2.50   0.53    0.70    -0.18
86  $4.38   0.35    1.23    0.00
87  $0.59   0.53    0.88    0.00
88  $0.75   0.00    0.35    0.00
89  $2.03   0.18    0.18    0.00
90  $2.33   0.18    0.18    0.00
91  $3.20   0.18    0.36    0.53
92  $0.01   0.00    0.36    0.00
93  $1.97   0.90    0.72    1.08
94  $2.26   0.54    1.44    0.00
95  $4.85   1.09    2.72    0.00
96  $1.05   0.18    0.91    0.00
97  $1.15   0.18    0.18    0.00
98  $3.10   1.09    1.28    0.00
99  $3.11   0.37    1.10    0.00
100 $0.33   -0.18   0.00    0.18
4

0 回答 0