这样的线性回归分析结果是否说明不相关？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

有一批销售数据要分析客户的购买因素，
自变量有：客户性别、年龄、城市、过往是否购买过同类或其他产品
因变量是：最终是否促销成功购买
数据共有5万多条，但只有700个购买成功
我用"因子分析"提取了两个“城市"和"过往是否购买产品"两个自变量但KMO只有0.5
之后用"线性回归"发现每个自变量的"R"值很低只有0.077，sig为0.0。

请问如下问题
1、由于KMO只有0.5，请问这两个变量是否不合适？如果真不合适，好像我的分析都做不下去了。求方法
2、线性回归的R值只有0.077左右很低, 而F值有154/Sig是0.0。 这样到底表示适不适合做线性回归啊？
3、回归的”系数”中，"城市"的B值是-5.43E我认为可删掉，是否？
4、而"过往是否购买产品"的B值是0.18,sig是0.0 , 是否可认为这个虽然相关，但相关度很低？或者可直接呼略？

求大神指点啊， 谢谢！

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：线性回归分析 线性回归 回归分析 因子分析 销售数据 购买 回归分析 因变量 自变量

Kaiser给出了常用的kmo度量标准:　0.9以上表示非常适合；0.8表示适合；0.7表示一般；0.6表示不太适合；0.5以下表示极不适合。
因此按照结果，感觉用因子分析的结果不是太理想，方法可能选取不大合适。
遇到变量和数据很多时，老师给我们的建议是，先针对全部变量进行相关性检验，然后进行数据描述和绘图，从数据走势上推测数据关系（很多时候数据不仅仅是简单的一次线性关系，需要进行变换）构建相应模型，然后再运用合理的检验方法进行数据的拟合和检验。
纯属浅学之谈哈~~