SPSS分析技术：最小一乘法；制造企业如何合理安排生产计划

文章预览

背景介绍 前面介绍拟合线性回归模型时都是按照最小二乘法进行的（回顾： 数据分析技术：多重线性模型；也难也不难的建模从这里开始吧！ ），最小二乘法的原理是以预测值和实测值之差（残差）的平方和达到最小作为判断模型优劣的评判标准，应用十分广泛。没有放之四海而皆准的真理，最小二乘法同样不是万能的，它也有自身的弱点，最主要的缺点就是对强影响点（极端数据值）特别敏感。大家可以想象，最小二乘法评价模型好坏的标准是残差平方和，因此，绝对值越大的残差（极端值），平方之后，该数据值的影响就会被放得更大，从而导致回归线会明显偏向强影响点。因此，在存在异常值（极端值）时，可以考虑采用其它的回归模型拟合方法。本篇 ………………………………