解释变量和预报变量

说得清楚一点，解释变量和预测变量就像回归分析中的一对好朋友，各司其职。
解释变量（自变量x）就像小明一样，总是主动尝试解释事情发生变化的原因，而预测变量（因变量y）就像小红一样，被动地接受影响，根据小明的行为调整自己的立场。

首先，最重要的是解释变量在回归分析中起着重要的作用。
例如，在我们去年运行的一个项目中，我们使用解释变量来分析哪些因素影响销售。
我们利用大约 3 ,000 个级别的数据，通过解释变量探讨了影响销售的关键因素。

其次，解释变量通常用x表示，它与y（预测变量）有一定的关系。
我一开始以为解释变量是随机选择的，但后来发现这是错误的。
这应该会相当好地影响 y 的变化。

还有一个非常重要的细节。
预测变量 y 是我们想要预测的结果。
例如，如果我们想预测明年的销售额，销售额就是我们的预测变量。
其值由解释变量x和回归系数决定。

说实话，这很令人困惑。
许多人认为解释变量和预测变量变量之间的关系没有考虑到它们可以随意改变。
等等，还有一件事。
通过回归分析，我们可以创建一个数学模型。
该模型可以帮助我们根据解释变量的值来预测预测变量的值，从而达到预测和解释的目的。
我认为值得一试，尤其是当您面前有大量数据并且不知道从哪里开始时。

什么是变量?它可以分为哪几种类型?

那天，我看到一位老太太在超市挑选洗涤剂。
她左顾右盼，最后拿起一袋洗衣粉，上面写着“强力去污剂”。
这种洗衣粉的广告宣传是否抓住了消费者的心理？我们认为分类变量“强去污”比“普通型”更能代表产品的特性，因此更有吸引力。
再举一个例子，学校的老师对学生的表现进行评分，并使用序数变量（例如“优秀、良好、一般、通过、失败”）对其进行排序。
这不仅反映了学生的表现水平，也有助于教师和学生了解自己的学习进度。
那么数值变量呢？比如我朋友刚买的手机是2 5 6 G，直接显示手机的存储容量一目了然。
但等一下。
我突然想，手机内存满了还能算作数值变量吗？能否在实践中应用还有待观察。