从结果图来看，使用周日均结果，阅读次数和广告收入呈现出更高的线性程度，因此曲线拟合的R方也比较高，达到了0.96。说明我们采用平均之后的数据使得线性预测更为准确了。从数据结论来看，跟前面的结论有一些区别，首先是在阅读量为20的时候，收入接近0，其次在阅读量为100的时候，收入是0.4，而阅读量为300的时候，广告收入才达到1.2。相比于前面少量数据预测结果，这里预测的结果斜率更低。但这么做有一个问题，也就是图中每一个点都需要一整周的数据，使用大量数据平滑才能得到较为准确的结果，如果数据较少的话，依然可能出现偏差。
小结
本文使用回归分析的方法，分析了广告收入随时间变化的趋势，和广告收入随时间的衰减情况。发现对于当前公众号来说，断更约两个月之后，可能广告收益开始归零。另外分析了广告收入与阅读量之间的关联，发现广告收入与后一天的阅读量有一定的正相关，但如果我们使用大量数据并用每周日均数据，得到的结果更好。
- 在回归分析之前，可以用散点图或者相关系数观察两个变量之间的关联，选择合适的回归方法，当二者相关系数较高或者看起来有明显趋势关系时，使用线性回归可以得到较好的结果。
- 观察到数据存在其他关联，可以尝试使用不同的函数进行回归，但可能不容易收敛
- 当数据波动比较大时，增加数据量和平滑操作，往往可以得到更稳定的回归结果，关于平滑操作，这里简单使用了每周的日均值，下一篇文章中还有其他用法。
- END -
当然如果大家感兴趣的话可以继续深入学习，有任何问题或者还有啥想了解的，欢迎私信我。
往期推荐
- 如何理解商业模式（阅读量1100 ）
- 商业模式之价值主张 （阅读量500 ）
- 商业模式之客户细分 （阅读量1400 ）
- Excel数据分析——数据输入（阅读量1100 ）
- Excel数据分析——数据处理（阅读量4800 ）
- Excel数据分析——数据透视表 （阅读量3300 ）
- Excel数据分析——函数与公式（上） （阅读量1200 ）
- Excel数据分析——函数与公式（中） （阅读量1000 ）
- Excel数据分析——函数与公式（下） （阅读量800 ）
- Excel数据分析——快捷键 （阅读量800 ）
- Excel数据分析——建模分析（一） （阅读量5000 ）
- Excel数据分析——建模分析（二） （阅读量2500 ）
- Excel数据分析——数据可视化（一） （阅读量2300 ）
- Excel数据分析——数据可视化（二） （阅读量800 ）
- Excel数据分析——数据可视化（三） （阅读量1700 ）
- Excel数据分析——数据可视化（四） （阅读量1100 ）
- Excel数据分析——如何设计专业数据表格（上）【文末送模板】 （阅读量1100 ）
- Excel数据分析——如何设计专业数据表格（下）【文末送模板】 （阅读量700 ）
- 时间序列分析——相关分析 （阅读量700 ）
-如果喜欢这篇文章，请关注我
我是永远向上的百灵
点击“赞”和“在看”
您的认可是对百灵最大的鼓励
调
