---

可下载资源

---

本文分析的数据和代码分享至会员群

本文使用的数据集为天猫商品数据集。 它包含562个商品的属性数据。每个商品包括4个属性，具体的4个属性如下：

列名	描述
Item_id	[ 1 , 8133507]为整数，表示唯一项(备注:两个以上商家同时提供的 A产品记录在多个不同ID的行中。例如,流行的手机如iPhone 6。)。
Title	一个包含多个关键字的 字符串，由’ ‘  分隔。通过NLP系统从原始标题中提取单词。
Pict_url	在线链接到对应图片的URL  。
Category	字符串’ x-y ‘，其中  ‘ x ‘表示其父类，’ y ‘表示其余类。
Brand_id	字符串为’ b1 ‘、’ b89366 ‘，表示商品的品牌。
Seller_id	字符串’ s1 ‘，’ s86799 ‘，表示出售该物品的卖方。

 

2.2显著性检验

根据F值和p值统计量来判断模型是否具有显著的统计意义。

2.3拟合预测

使用得到的模型对实际数据进行拟合和预测。

3.拟合不同的模型。查看模型效果，包括对数回归模型，迭代回归模型。

order(table(datanew$category),decreasing = T)

datanew$pop=   order(

---

---

然后将出现最多的流行度排序为1，然后根据类比的出现频数递增。流行度越大，则出现越少。

建立多元线性：imdb

尝试通过最直观的解释建立模型：

进行多元线性模型并进行分析

设置dummy 变量 ： 从全变量模型可以看出大部分变量无法估计出其参数，说明部分变量不适合用来预测流行度，因此对其中的部分变量进行删减后。得到筛选后的回归模型。

模型比较

js**取对数后的结果**  
summary(lmmod2)显示回归结果

plot(datanew$category

置信区间与预测区间：

置信区间是给定自变量值后，由回归方程得到的的预测值（实际上是的平均值）的置信区间；预测区间是实际值的置信区间，在这里称为预测区间。预测区间要比置信区间稍大，命令与显示结果如下：

head(predict(lmmod,int="c"))

head(predict(lmmod,int="p"))

残差分析：

残差分析可以对回归模型的假设条件即随机误差项是否独立同分布进行检验，同时还可以找出离群点。命令语句为plot(lm.1)，显示结果如下

par(mfrow=c(2,2))  
plot(lmmod2)

左上图是拟合值与残差的散点图，从图上可以发现，除去第2个离群点外，所有点基本上是随机地分散在纵坐标值为-1和+1的两条平行线之间，这说明随机误差项具有同方差性；左下图是拟合值与残差的标准差的散点图，其意义与上面类似；右上图表明随机误差项是服从正态分布的，其原因是正态Q-Q图近似地可以看成一条直线；右下图的CooK距离图进一步证实第2个观测值是一个离群点，它对回归方程的影响是比较大的，要根据具体问题，讨论出现这一观测值的实际背景。

逐步回归优化

使用逐步回归法建立“最优”的回归方程

stepmod=step(lmmod,direction="both",trace=T);

summary(stepmod)查看模型参数与结果

上面用“逐步向前向后回归法”，通过软件分析建立“最优”回归方程。向后回归法就是建立包含全部因子的回归方程，通过回归系数的检验，从回归方程中逐个剔除不显著的因子，直到留在方程中的因子都是显著的。

总结

从分析结果可以看出， 流行度和类别和品牌图片地址有显著相关关系 ，因此可以认为在天猫购物时，用户会比较关注商品的品牌因素，因为天猫都是正品商铺，购买的用户会比较关注商品的品牌是否为正品等。同时，由于天猫的商品质量有一定的保证，因此用户也会关注该商品的图片，同一个商品可能会因为图片不同而造成不同的流行度。图片好看的商品会有更好的流行度。