怎么对我这些数据进行回归分析啊？（毕业论文用、非线性）

statsman 发表于 2016-5-16 05:02
先看看你选择的这些变量和因变量有没有关系吧

除了发布时段（相关系数0.038），其它几个自变量都和评论数有相关关系。论坛不能发截图么，传不上来？相关系数0.094（来源网站），0.075（图片），0.334（视频），0.192（正文字数），0.130（标题长度），以及—0.208（句子长度）

statsman 发表于 2016-5-16 05:02
先看看你选择的这些变量和因变量有没有关系吧

除了发布时段（相关系数0.038），其它几个自变量都和评论数有相关关系。论坛不能发截图么，传不上来？相关系数0.094（来源网站），0.075（图片），0.334（视频），0.192（正文字数），0.130（标题长度），以及—0.208（句子长度）

星期天的早晨 发表于 2016-5-16 09:26
一个毕业答辩过来人的经验，实证就不说了，有一个问题楼主需要注意，既然是毕业论文，肯定要经过评委老师的 ...

文科专业（传播学）。我大学期间没学过spss。老师们也基本不懂（也有懂得老师）。很多老师是教视觉设计、视频剪辑、新闻写作、动画等方向。所以要求不会那么高，只要能找到一个拟合度高的回归模型就ok啦。

星期天的早晨 发表于 2016-5-16 09:26
一个毕业答辩过来人的经验，实证就不说了，有一个问题楼主需要注意，既然是毕业论文，肯定要经过评委老师的 ...

文科专业（传播学）。我大学期间没学过spss。老师们也基本不懂（也有懂得老师）。很多老师是教视觉设计、视频剪辑、新闻写作、动画等方向。所以要求不会那么高，只要能找到一个拟合度高的回归模型就ok啦。

我之前建立回归模型：分析——回归——线性，然后方法好像是逐步进入法。得出了一个求因变量评论数的回归方程，带入excel表格中。发现有的能相差6000倍。好的结果，差距在百分之几十。有的真实评论数为0，可我算出来的结果是5到6000千。差距忒大。差距大的情况我也能接受。可是，与我预估的情况不一样。因为，我用excel分析：随着标题长度的增加，评论数先增加，然后再减少。而我建立的这个模型，是随着标题数增加，评论数一直增加的。（原因，标题长度与评论数不是线性关系，而是一条抛物线关系）。

让我画每个自变量与因变量的散点图。这我也能理解，而且在之前也做了。可是有的散点图让我傻眼了。不是我高中学的任何一个公式（非线性回归模型有11个，每个好像都不符合）。当然有的好像是符合的其中一些公式的。比如，来源网站这个自变量，画出的散点图特别奇怪。

在0，和1这两个x上面。各有一堆y值。也就是一个x（x是来源网站）对应了好多个y（y也即是评论数）值。为何要化为0和1，因为1代表这篇新闻是来自官方允许转载的网站新闻（比如这篇新闻转载自人民日报，那么就是1）.如果转载自一些小报（官方没有公布能从这个小报转载新闻），那么结果就是0.  所以散点图让我看不懂了。

刘坤元_leige 发表于 2016-5-16 15:41
文科专业（传播学）。我大学期间没学过spss。老师们也基本不懂（也有懂得老师）。很多老师是教视觉设计、 ...

是这样啊，我们在做数据分析之前，一定要对自己的数据进行一个初步的观察，根据你的部分数据，我有几个问题，第一：你这是时间序列数据还是截面数据或者面板数据？第二：表中有很多0、1的值，按照你的说法，那这部分数据指标实际上就是定性指标了，然后后面才是定量指标，如果你拿定性的指标和定量的指标观察散点图，这个不用想，得不出什么。第三：我们说在选择样本数据时，除了样本量要足够大，另一个问题就是对于某些异常值我们要剔除掉。另外，你的数据量纲不同，相差太大。即使做回归，那么回归拟合的结果肯定不好，那么就是说这个模型设定有问题，就不能用来做预测分析的模型。

星期天的早晨 发表于 2016-5-16 18:49
是这样啊，我们在做数据分析之前，一定要对自己的数据进行一个初步的观察，根据你的部分数据，我有几个问 ...

明白了。定性与定量的问题。看来我这个不能做回归分析了。我只做相关分析也可以了。剔除数据一般怎么剔除（剔除原则）。我去百度下剔除原则，虽然不做回归分析了，但剔除数据也对相关分析有用。

刘坤元_leige 发表于 2016-5-16 19:47
明白了。定性与定量的问题。看来我这个不能做回归分析了。我只做相关分析也可以了。剔除数据一般怎么剔除 ...

这个是可以做的，就是说在解释变量中允许同时存在定性变量和定量变量，但散点图时看不出什么。我觉得可能是你数据的问题。

从你的数据截图来看，你的评论数这个因变量可能存在异常值，过大或者过小，所以最后处理的时候可能需要掐头去尾一下。