# 回归分析Python实现：超详细手把手实验教程 我将以**完全零基础**的角度，带你一步步完成这个回归分析实验，包括每一步的鼠标点击位置、代码输入位置等所有细节。 ## 📁 第一步：准备工作（15分钟） ### 1.1 打开Python环境（3种方式任选） **方式一：使用Anaconda（推荐新手）** ``` 1. 在电脑桌面找到Anaconda Navigator图标 → 双击打开 2. 在打开的界面中找到"Jupyter Notebook" → 点击"Launch"按钮 3. 浏览器会自动打开新页面，这就是你的编程环境 ``` **方式二：使用VS Code（推荐有一定基础）** ``` 1. 打开VS Code软件 2. 点击左上角"文件" → 选择"新建文件" 3. 点击右下角选择语言 → 输入"Python" → 按回车 4. 按Ctrl+S保存文件 → 命名为"regression.py" ``` **方式三：使用在线环境（无需安装）** ``` 1. 打开浏览器，访问：https://colab.research.google.com 2. 点击"新建笔记本" 3. 直接开始编写代码 ``` ### 1.2 安装必要库（第一次运行时需要） 在Jupyter Notebook或Python文件中，**新建一个代码单元格**，输入： ```python # 点击这里输入代码（如果在线环境，可能需要先运行这个） !pip install pandas numpy matplotlib seaborn statsmodels scikit-learn ``` **操作步骤：** 1. 在单元格中点击鼠标左键 2. 输入上面的代码 3. 按键盘上的 **Shift + Enter** 运行 4. 等待安装完成（看到"Successfully installed"字样） ## 📊 第二步：创建数据文件（10分钟） ### 2.1 创建数据生成脚本 **在第一个代码单元格下面，点击"+"号添加新单元格**，输入： ```python # 点击这里开始输入 import pandas as pd import numpy as np # 设置随机种子，确保每次运行结果一致 np.random.seed(42) # 生成200个样本数据 n_samples = 200 # 生成广告投入数据 TV_ads = np.random.normal(150, 50, n_samples) # 电视广告 Radio_ads = np.random.normal(30, 10, n_samples) # 广播广告 Newspaper_ads = np.random.normal(40, 15, n_samples) # 报纸广告 Online_ads = np.random.normal(80, 25, n_samples) # 线上广告 # 生成销售额数据（有线性关系+随机噪声） Sales = ( 2.5 * TV_ads + 1.8 * Radio_ads + 0.5 * Newspaper_ads + 1.2 * Online_ads + np.random.normal(0, 20, n_samples) + 50 ) # 创建数据框 data = pd.DataFrame({ 'TV': TV_ads, 'Radio': Radio_ads, 'Newspaper': Newspaper_ads, 'Online': Online_ads, 'Sales': Sales }) # 查看前5行数据 print("数据预览：") print(data.head()) # 保存为CSV文件（方便后续使用） data.to_csv('advertising_sales.csv', index=False) print("\n数据已保存为 'advertising_sales.csv'") ``` **运行方法：** 1. 点击单元格左侧的空白区域（选中单元格） 2. 按 **Shift + Enter** 3. 你会看到输出的数据表格 ### 2.2 检查数据是否保存成功 **新建单元格**，输入： ```python # 检查文件是否存在 import os if os.path.exists('advertising_sales.csv'): print("✅ 数据文件创建成功！") # 重新加载数据验证 df = pd.read_csv('advertising_sales.csv') print(f"数据形状：{df.shape}") print(f"列名：{list(df.columns)}") else: print("❌ 文件创建失败，请检查代码") ``` ## 📈 第三步：数据可视化探索（15分钟） ### 3.1 绘制散点图（看关系） **新建单元格**，输入： ```python import matplotlib.pyplot as plt import seaborn as sns # 设置中文字体（如果显示乱码） plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS'] plt.rcParams['axes.unicode_minus'] = False # 创建2x2的子图 fig, axes = plt.subplots(2, 2, figsize=(12, 10)) # 第一个图：电视广告 vs 销售额 # 点击axes[0,0]表示第一行第一列 axes[0, 0].scatter(data['TV'], data['Sales'], alpha=0.6, color='blue') axes[0, 0].set_xlabel('电视广告投入（千元）') axes[0, 0].set_ylabel('销售额（万元）') axes[0, 0].set_title('电视广告与销售额关系') axes[0, 0].grid(True, alpha=0.3) # 第二个图：广播广告 vs 销售额 axes[0, 1].scatter(data['Radio'], data['Sales'], alpha=0.6, color='green') axes[0, 1].set_xlabel('广播广告投入（千元）') axes[0, 1].set_ylabel('销售额（万元）') axes[0, 1].set_title('广播广告与销售额关系') axes[0, 1].grid(True, alpha=0.3) # 第三个图：报纸广告 vs 销售额 axes[1, 0].scatter(data['Newspaper'], data['Sales'], alpha=0.6, color='red') axes[1, 0].set_xlabel('报纸广告投入（千元）') axes[1, 0].set_ylabel('销售额（万元）') axes[1, 0].set_title('报纸广告与销售额关系') axes[1, 0].grid(True, alpha=0.3) # 第四个图：线上广告 vs 销售额 axes[1, 1].scatter(data['Online'], data['Sales'], alpha=0.6, color='purple') axes[1, 1].set_xlabel('线上广告投入（千元）') axes[1, 1].set_ylabel('销售额（万元）') axes[1, 1].set_title('线上广告与销售额关系') axes[1, 1].grid(True, alpha=0.3) # 调整布局并显示 plt.tight_layout() plt.show() # 保存图片 plt.savefig('scatter_plots.png', dpi=300, bbox_inches='tight') print("✅ 散点图已保存为 'scatter_plots.png'") ``` ### 3.2 绘制相关性热力图 **新建单元格**，输入： ```python # 计算相关性矩阵 corr_matrix = data.corr() # 绘制热力图 plt.figure(figsize=(10, 8)) sns.heatmap(corr_matrix, annot=True, # 显示数值 cmap='coolwarm', # 颜色 center=0, # 中心为0 square=True, # 正方形 linewidths=1, # 线宽 cbar_kws={"shrink": 0.8}) # 颜色条大小 plt.title('变量间相关性热力图') plt.tight_layout() plt.show() # 打印相关性数值 print("相关系数矩阵：") print(corr_matrix) ``` ## 🔧 第四步：建立回归模型（20分钟） ### 4.1 简单线性回归（先试一个变量） **新建单元格**，输入： ```python import statsmodels.api as sm # 选择自变量和因变量 X = data['TV'] # 只使用电视广告 y = data['Sales'] # 添加常数项（截距） X_with_const = sm.add_constant(X) # 建立模型 model_simple = sm.OLS(y, X_with_const).fit() # 查看结果 print("="*60) print("简单线性回归结果（电视广告 vs 销售额）") print("="*60) print(model_simple.summary()) # 绘制回归线 plt.figure(figsize=(10, 6)) plt.scatter(X, y, alpha=0.6, label='实际数据') # 生成预测值 x_line = np.linspace(X.min(), X.max(), 100) x_line_with_const = sm.add_constant(x_line) y_pred_line = model_simple.predict(x_line_with_const) plt.plot(x_line, y_pred_line, color='red', linewidth=3, label='回归线') plt.xlabel('电视广告投入（千元）') plt.ylabel('销售额（万元）') plt.title('简单线性回归：电视广告对销售额的影响') plt.legend() plt.grid(True, alpha=0.3) plt.show() # 解读关键指标 print("\n🔍 结果解读：") print(f"1. R-squared = {model_simple.rsquared:.4f}") print(f" 模型能解释{model_simple.rsquared*100:.1f}%的销售额变化") print(f"2. 电视广告的系数 = {model_simple.params['TV']:.4f}") print(f" 每增加1千元电视广告，销售额增加{model_simple.params['TV']:.2f}万元") print(f"3. P值 = {model_simple.pvalues['TV']:.4e}") print(f" P值 < 0.05，说明电视广告的影响是显著的") ``` ### 4.2 多元线性回归（使用所有变量） **新建单元格**，输入： ```python # 使用所有广告变量 X_multi = data[['TV', 'Radio', 'Newspaper', 'Online']] X_multi_const = sm.add_constant(X_multi) # 建立多元回归模型 model_multi = sm.OLS(y, X_multi_const).fit() print("\n" + "="*60) print("多元线性回归结果（所有广告渠道）") print("="*60) print(model_multi.summary()) # 提取重要信息 print("\n📊 关键结果表格：") results_df = pd.DataFrame({ '变量': ['常数'] + list(X_multi.columns), '系数': model_multi.params.values, '标准误': model_multi.bse.values, 't值': model_multi.tvalues.values, 'P值': model_multi.pvalues.values, '是否显著': ['是' if p < 0.05 else '否' for p in model_multi.pvalues] }) print(results_df.to_string(index=False)) # 业务解读 print("\n💡 业务建议：") print("1. 电视广告效果最好，每投入1千元带来销售额增长约", f"{model_multi.params['TV']:.2f}万元") print("2. 广播广告次之，每投入1千元带来销售额增长约", f"{model_multi.params['Radio']:.2f}万元") print("3. 报纸广告效果相对较弱") ``` ## 📝 第五步：模型诊断（15分钟） ### 5.1 残差分析 **新建单元格**，输入： ```python # 获取残差和拟合值 residuals = model_multi.resid fitted = model_multi.fittedvalues # 创建诊断图 fig, axes = plt.subplots(2, 2, figsize=(12, 10)) # 1. 残差 vs 拟合值图 axes[0, 0].scatter(fitted, residuals, alpha=0.6) axes[0, 0].axhline(y=0, color='red', linestyle='--', linewidth=2) axes[0, 0].set_xlabel('拟合值') axes[0, 0].set_ylabel('残差') axes[0, 0].set_title('残差图（检查同方差性）') axes[0, 0].grid(True, alpha=0.3) # 2. Q-Q图（检查正态性） from statsmodels.graphics.gofplots import qqplot qqplot(residuals, line='45', ax=axes[0, 1]) axes[0, 1].set_title('Q-Q图（检查正态性）') # 3. 残差直方图 axes[1, 0].hist(residuals, bins=20, edgecolor='black', alpha=0.7) axes[1, 0].set_xlabel('残差') axes[1, 0].set_ylabel('频数') axes[1, 0].set_title('残差分布直方图') # 4. 残差 vs 自变量图（示例：TV） axes[1, 1].scatter(data['TV'], residuals, alpha=0.6) axes[1, 1].axhline(y=0, color='red', linestyle='--', linewidth=2) axes[1, 1].set_xlabel('电视广告投入') axes[1, 1].set_ylabel('残差') axes[1, 1].set_title('残差 vs TV广告') plt.tight_layout() plt.show() print("✅ 诊断图已生成") print("\n🔍 诊断解读：") print("1. 残差图：点应随机分布在0线两侧，无明显模式") print("2. Q-Q图：点应近似在45度线上，说明残差正态") print("3. 直方图：应近似钟形分布") ``` ### 5.2 多重共线性检验 **新建单元格**，输入： ```python from statsmodels.stats.outliers_influence import variance_inflation_factor # 计算VIF（方差膨胀因子） vif_data = pd.DataFrame() vif_data["变量"] = X_multi.columns vif_data["VIF"] = [variance_inflation_factor(X_multi.values, i) for i in range(X_multi.shape[1])] print("多重共线性检验：") print(vif_data.to_string(index=False)) print("\n📋 VIF判断标准：") print(" VIF < 5: 多重共线性可接受 ✓") print(" 5 ≤ VIF < 10: 存在中等多重共线性 ⚠️") print(" VIF ≥ 10: 存在严重多重共线性 ❌") ``` ## 🚀 第六步：使用模型预测（10分钟） ### 6.1 进行预测 **新建单元格**，输入： ```python # 创建新的广告投入方案 new_data = pd.DataFrame({ 'TV': [200, 150, 250], # 电视广告投入 'Radio': [40, 30, 50], # 广播广告 'Newspaper': [50, 40, 60], # 报纸广告 'Online': [100, 80, 120] # 线上广告 }) print("新的广告投入方案：") print(new_data) # 添加常数项 new_data_const = sm.add_constant(new_data, has_constant='add') # 进行预测 predictions = model_multi.predict(new_data_const) print("\n📈 预测结果：") for i in range(len(new_data)): print(f"\n方案{i+1}:") print(f" 电视广告: {new_data.iloc[i, 0]}千元") print(f" 广播广告: {new_data.iloc[i, 1]}千元") print(f" 报纸广告: {new_data.iloc[i, 2]}千元") print(f" 线上广告: {new_data.iloc[i, 3]}千元") print(f" 预测销售额: {predictions.iloc[i]:.2f}万元") # 计算投入产出比 total_investment = sum(new_data.iloc[i]) roi = predictions.iloc[i] / total_investment * 100 # 每千元投入产出 print(f" 每千元广告投入产出: {roi:.2f}%") ``` ### 6.2 保存模型结果 **新建单元格**，输入： ```python # 保存模型结果到文件 import json # 创建结果字典 results = { '模型类型': '多元线性回归', '样本数量': len(data), 'R平方': float(model_multi.rsquared), '调整R平方': float(model_multi.rsquared_adj), '系数': {var: float(coef) for var, coef in model_multi.params.items()}, '预测示例': [ { '方案': f'方案{i+1}', '投入': dict(new_data.iloc[i]), '预测销售额': float(predictions.iloc[i]) } for i in range(len(predictions)) ] } # 保存为JSON文件 with open('regression_results.json', 'w', encoding='utf-8') as f: json.dump(results, f, ensure_ascii=False, indent=2) print("✅ 模型结果已保存为 'regression_results.json'") print("✅ 实验完成！") ``` ## 📋 第七步：实验报告（5分钟） ### 7.1 生成实验总结 **新建单元格**，输入： ```python print("="*80) print("回归分析实验总结报告") print("="*80) print("\n一、实验目的") print("分析不同广告渠道（电视、广播、报纸、线上）对销售额的影响") print("\n二、数据概况") print(f"1. 样本数量: {len(data)}") print(f"2. 变量数量: {len(data.columns)}") print(f"3. 数据文件: advertising_sales.csv") print("\n三、主要发现") print(f"1. 模型解释力: R² = {model_multi.rsquared:.4f}") print(f" 能解释{model_multi.rsquared*100:.1f}%的销售额变化") print(f"2. 最有效广告渠道: 电视广告") print(f" 每千元投入带来 {model_multi.params['TV']:.2f}