数据分析

写给营销和分析人员的回归分析：一个完整算例

回归分析估计一个结果会随驱动因素怎么变化。用 12 周的例子说明：漏掉自然流量，会让广告花费的效果被高估三分之一；再讲怎么读结果、检查假设和避开常见错误。

苏禾发布于 2026 年 11 月 5 日 6 分钟阅读数据分析

示例数据

用你自己的数据试一下

这篇文章里出现的报表免费版全都有。一段代码，网站和 App 都能接，最多 10 个站点。

免费开始

回归把一团散点变成能拿来做预算的数字：每个驱动因素变动一个单位，结果动多少，以及有多大把握。本文用 12 周的广告花费、自然流量和注册数演示：只看花费的模型说每 1,000 美元带来 14 个注册，控制了自然需求的模型说是 10.6 个。

读完你会知道

回归估计效应大小、不确定性，还能做预测
漏掉一个相关的驱动因素，系数会被带偏
比较变量个数不同的模型，用调整后 R²
检查线性、独立、正态和方差相等
观测数据得出的系数是关联，不是因果

什么是回归分析？

回归分析（Regression Analysis）是一类统计方法，用来估计一个结果（因变量）会随一个或多个输入（自变量或预测变量）怎么变化。它给出图表给不了的三样东西：每个关系有多大、这个大小有多不确定，以及给定新的输入时怎么预测结果。

在数据分析里，常见的问题是：在自然流量不变的情况下，广告每多花 1,000 美元能多带来多少注册？加载时间每多 1 秒，转化损失多少？哪些客户行为能预测流失？

最简单的形式就是散点图里的一条直线：

y = β₀ + β₁x + ε

β₀ 是截距，β₁ 是斜率（x 每变化一个单位，y 变化多少），ε 是直线解释不了的误差。普通最小二乘法（OLS）选出让误差平方和最小的那条线。

回归的种类

类型	结果	统计里的例子
简单线性回归	连续值，一个预测变量	注册数和广告花费
多元线性回归	连续值，多个预测变量	注册数和花费、自然流量、节假日
逻辑回归	是 / 否	这个试用会不会转付费？这个账号会不会流失？
泊松 / 负二项回归	计数	每个账号每月的工单数
多项式 / 样条回归	曲线关系	转化率和加载时间，边际递减
带时间项的回归	时间序列	带趋势和季节性的周销售额

类型	结果	例子
简单线性回归	连续值，一个预测变量	注册数和花费
多元线性回归	连续值，多个预测变量	注册数和花费、自然流量
逻辑回归	是 / 否	试用会不会转付费
泊松回归	计数	每个账号的工单数

按要建模的结果选回归类型。

计算示例：广告花费能带来注册吗？

某 SaaS 网站 12 周的数据（示例数据）：每周广告花费（千美元）、自然搜索会话（千次）和注册数。

周	广告花费（千美元）	自然会话（千次）	注册数
1	2.0	8.0	109
2	2.5	9.6	116
3	3.0	8.6	121
4	2.2	10.4	121
5	3.5	9.0	131
6	4.0	11.2	140
7	3.2	10.8	135
8	4.5	10.0	139
9	5.0	12.2	162
10	4.2	11.6	142
11	5.5	11.0	158
12	6.0	12.8	170

模型 1：只用花费解释注册

注册数 = 83.1 + 14.2 × 花费。斜率的标准误 1.2，R² = 0.93。

直接读：每多花 1,000 美元多 14 个注册，一个注册大约 70 美元。

模型 2：加上自然会话

注册数 = 53.3 + 10.6 × 花费 + 4.2 × 自然会话（千次）。标准误分别为 1.2 和 1.0，R² = 0.976，调整后 R² = 0.971。

花费的系数降了四分之一。为什么？这个季度里花费和自然流量一起上涨（相关系数 0.76），因为团队在旺季加了预算，而旺季本来自然搜索的兴趣就高。模型 1 把旺季自然需求带来的注册也算到了广告头上。自然流量是一个混杂变量，漏掉它让估计偏高，这就是遗漏变量偏差。

在自然会话不变时，多花 1,000 美元大约带来 10.6 个注册：每个注册的成本更接近 94 美元而不是 70 美元，这个差距足以改变预算决定。

预测： 某周花费 5,000 美元、自然会话 11,000 次，模型 2 预测 53.3 + 53.0 + 45.8 ≈ 152 个注册。残差标准误大约是 3 个注册，偏离这个范围很多的周值得查一查。

app.tapcub.com/analytics/sources

每千美元注册（直接看）

14.2

控制自然流量后

10.6

▼ 25%

每个注册成本

94 美元 vs 70 美元

▲ 34%

每周注册数 · 两个回归模型

12 周

项	模型 1	模型 2
截距	83.1	53.3
广告花费（千美元）	14.2（标准误 1.2）	10.6（标准误 1.2）
自然会话（千次）	—	4.2（标准误 1.0）
R²	0.933	0.976
调整后 R²	0.927	0.971

示例数据。花费和自然会话的相关系数为 0.76。

示例数据

怎么读回归结果

输出	告诉你什么	注意
系数	其他变量不变时，x 每变一个单位 y 变多少	单位：每 1 美元还是每 1,000 美元？
标准误	系数的不确定性	样本小，误差就大
t 值 / p 值	系数和 0 能不能区分开	显著不等于大，见效应量
置信区间	系数的合理范围	往往比 p 值更有用，见怎么算置信区间
R²	y 的方差被解释了多少	加变量一定会变大
调整后 R²	对多余变量做了惩罚的 R²	比较变量个数不同的模型时用它
残差	模型漏掉了什么	残差有规律，说明模型少了东西

要检查的假设

线性回归依赖四个假设，常记作 LINE：

线性（Linearity）： 关系大致是一条直线。用散点图或「残差对拟合值」图检查。
独立（Independence）： 误差之间互不相关。每日、每周数据常常违反这一条，因为这周像上周；要用带时间项的回归或专门的时间序列模型。
正态（Normality）： 残差大致服从正态分布（样本小、要算区间时最重要）。
方差相等（Equal variance）： 残差的离散程度不随预测值变大。收入数据经常不满足，取对数会有帮助。

还要检查多重共线性：两个预测变量高度相关时，模型分不清各自的作用，数据稍有变化系数就大幅摆动。例子里 0.76 的相关在 12 周的数据上还能接受，到 0.95 就不行了。

常见错误

把系数当因果效应。 对观测数据做回归，只能说明控制了你放进去的变量之后的关联。没测到的混杂变量照样会带偏结果，见相关不等于因果。
外推。 模型是用每周 2–6 千美元的数据拟合的，对 2 万美元的一周说明不了什么，到那时投放早就饱和了。
过拟合。 用 10 个变量去拟合 12 周数据，会拟合得完美，却什么也预测不了。经验上每个预测变量至少要 10 到 20 个观测。
让离群点主导直线。 一周埋点出错就能把斜率带歪，检查残差和离群值。
忽略均值回归。 因为某周表现最差而被选出来优化的页面，下周无论如何都会看起来好一些。
**追求高 R²。** 时间序列里 R² 很高，常常只是两个变量都在上涨。

用 TapCub 的数据做回归

TapCub 提供回归需要的输入：按渠道的每日或每周会话、目标转化、收入、页面性能和 UTM 活动数据。用 SQL 查询或导出拿到这些数，再加上广告平台的花费数据，到表格（LINEST）、Python（statsmodels）或 R（lm）里拟合。UTM 参数要命名一致，花费和转化才能按活动对上。当某个系数会影响预算决定时，用实验确认一下，比如按地区或按时间留出对照组，因为只有实验能排除你没测到的混杂因素。

另见：描述统计、推断统计。