1、一、优点它表明自变量和因变量之间的显著关系；2、它表明多个自变量对一个因变量的影响强度。

2、回归分析也允许去比较那些衡量不同尺度的变量之间的相互影响，如价格变动与促销活动数量之间联系。

(相关资料图)

3、这些有利于帮助市场研究人员，数据分析人员以及数据科学家排除并估计出一组最佳的变量，用来构建预测模型。

4、二、缺点回归模型比较简单，算法相对低级。

5、扩展资料应用相关分析研究的是现象之间是否相关、相关的方向和密切程度，一般不区别自变量或因变量。

6、而回归分析则要分析现象之间相关的具体形式，确定其因果关系，并用数学模型来表现其具体关系。

7、比如说，从相关分析中我们可以得知“质量”和“用户满意度”变量密切相关，但是这两个变量之间到底是哪个变量受哪个变量的影响，影响程度如何，则需要通过回归分析方法来确定。

8、一般来说，回归分析是通过规定因变量和自变量来确定变量之间的因果关系，建立回归模型，并根据实测数据来求解模型的各个参数，然后评价回归模型是否能够很好的拟合实测数据；如果能够很好的拟合，则可以根据自变量作进一步预测。

9、例如，如果要研究质量和用户满意度之间的因果关系，从实践意义上讲，产品质量会影响用户的满意情况，因此设用户满意度为因变量，记为Y；质量为自变量，记为X。

10、通常可以建立下面的线性关系： Y=A+BX+§。

11、式中：A和B为待定参数，A为回归直线的截距；B为回归直线的斜率，表示X变化一个单位时，Y的平均变化情况；§为依赖于用户满意度的随机误差项。

12、参考资料来源：百度百科-回归模型。

本文就为大家分享到这里，希望小伙伴们会喜欢。

关键词：