随着横坐标逐渐的增大,也是逐渐增大,是就是正相关。如果不是并且相反就是负相关。
分以下几种情况:
1、无明显关系,散点比较散乱。
2、线性相关。可以大概的看出散点大概的排列在一条直线上下。
3、非线性相关。一般有指数相关,对数相关等。需要将数值转换为指数形式或者对数形式,重新
制作散点图确认。
扩展资料:
制图步骤
确定变量
明确预测的具体目标,也就确定了因变量。如预测具体目标是下一年度的销售量,那么销售量Y就是因变量。通过市场调查和查阅资料,寻找与预测目标的相关影响因素,即自变量,并从中选出主要的影响因素。
建立预测模型
依据自变量和因变量的历史统计资料进行计算,在此基础上建立回归分析方程,即回归分析预测模型。
进行相关分析
回归分析是对具有因果关系的影响因素(自变量)和预测对象(因变量)所进行的数理统计分析处理。只有当自变量与因变量确实存在某种关系时,建立的回归方程才有意义。
因此,作为自变量的因素与作为因变量的预测对象是否有关,相关程度如何,以及判断这种相关程度的把握性多大,就成为进行回归分析必须要解决的问题。进行相关分析,一般要求出相关关系,以相关系数的大小来判断自变量和因变量的相关的程度。
计算预测误差
回归预测模型是否可用于实际预测,取决于对回归预测模型的检验和对预测误差的计算。回归方程只有通过各种检验,且预测误差较小,才能将回归方程作为预测模型进行预测。
确定预测值
利用回归预测模型计算预测值,并对预测值进行综合分析,确定最后的预测值。
参考资料来源:百度百科-回归分析