课程名称: Linear Regression for Business Statistics/莱斯大学

课程主页: https://www.coursera.org/learn/linear-regression-business-statistics

所在平台: Coursera

课程类别: 数据分析Data Analysis

大学或机构: 莱斯大学

讲师： Sharad Borle

授课语言： 英语

提供字幕： 英文

课程文件大小： 688MB

课程介绍： 用于业务统计的线性回归：回归分析也许是业内使用的最重要的业务统计工具。回归是用于多种形式的预测和预测的大量数据分析应用程序背后的引擎。 这是该专业的第四门课程，“业务统计与分析”。本课程向您介绍了非常重要的工具，称为线性回归。您将学习如何应用各种过程，例如虚拟变量回归，转换变量和交互作用。所有这些都是使用Microsoft Excel中易于理解的示例进行介绍和解释的。 本课程的重点是理解和应用，而不是详细的数学推导。 注意：本课程使用Windows版本的Microsoft Excel的“数据分析”工具框。它也是2016年或更高版本的Excel的标准版本。但是，对于Mac的早期版本的Excel，这不是标准的。 第1周 模块1：回归分析：简介 在本模块中，您将了解线性回归模型。我们将建立回归模型并使用Excel进行估算。我们将使用估计的模型来推断各种变量之间的关系，并使用该模型进行预测。该模块还在回归模型中引入了误差，残差和R平方的概念。 涵盖的主题包括： •引入线性回归 •建立回归模型并使用Excel进行估算 •使用估计的模型进行推断 •使用回归模型进行预测 •错误，残差和R平方 第2周 模块2：回归分析：假设检验和拟合优度 本模块介绍您可以使用回归输出执行的不同假设检验。这些测试是推理的重要部分，并且该模块使用基于Excel的示例对其进行了介绍。引入p值以及拟合度R平方和调整后的R平方的优度。在模块末尾，我们介绍了“虚拟变量回归”，该模型用于将分类变量合并到回归中。 涵盖的主题包括： •线性回归中的假设检验 •“拟合优度”度量（R平方，调整后的R平方） •虚拟变量回归（在回归中使用分类变量） 第3周 模块3：回归分析：虚拟变量，多重共线性 该模块将继续应用虚拟变量回归。您将了解在存在分类变量的情况下对回归输出的解释。列举了一些例子以加强所引入的各种概念。该模块还解释了什么是多重共线性以及如何处理它。 涵盖的主题包括： •虚拟变量回归（在回归中使用分类变量） •在虚拟变量存在的情况下解释系数和p值 •回归模型中的多重共线性 第4周 模块4：回归分析：各种扩展 该模块扩展了您对线性回归的理解，介绍了诸如变量均值居中和使用回归模型为预测建立置信范围之类的技术。介绍了一个强大的回归扩展，称为“交互变量”，并通过示例进行了说明。我们还研究了回归中变量的转换，并在此背景下介绍了对数对数和半对数回归模型。 涵盖的主题包括： •回归模型中变量的平均居中 •使用回归模型建立预测的置信范围 •回归中的交互作用 •变量的转换 •对数对数和半对数回归模型

课程压缩包下载地址（度盘链接）：

友情提醒：