另类回归分析方法

另类回归分析方法（通用10篇）

篇1：另类回归分析方法

一、什么是回归分析

回归分析(Regression Analysis)是研究变量之间作用关系的一种统计分析方法，其基本组成是一个（或一组）自变量与一个（或一组）因变量。回归分析研究的目的是通过收集到的样本数据用一定的统计方法探讨自变量对因变量的影响关系，即原因对结果的影响程度。回归分析是指对具有高度相关关系的现象，根据其相关的形态，建立一个适当的数学模型(函数式)，来近似地反映变量之间关系的统计分析方法。利用这种方法建立的数学模型称为回归方程，它实际上是相关现象之间不确定、不规则的数量关系的一般化。

二、回归分析的种类 1.按涉及自变量的多少，可分为一元回归分析和多元回归分析一元回归分析是对一个因变量和一个自变量建立回归方程。多元回归分析是对一个因变量和两个或两个以上的自变量建立回归方程。

2.按回归方程的表现形式不同，可分为线性回归分析和非线性回归分析

若变量之间是线性相关关系，可通过建立直线方程来反映，这种分析叫线性回归分析。若变量之间是非线性相关关系，可通过建立非线性回归方程来反映，这种分析叫非线性回归分析。

三、回归分析的主要内容

1.建立相关关系的数学表达式。依据现象之间的相关形态，建立适当的数学模型，通过数学模型来反映现象之间的相关关系，从数量上近似地反映变量之间变动的一般规律。

2.依据回归方程进行回归预测。由于回归方程反映了变量之间的一般性关系，因此当自变量发生变化时，可依据回归方程估计出因变量可能发生相应变化的数值。因变量的回归估计值，虽然不是一个必然的对应值(他可能和系统真值存在比较大的差距)，但至少可以从一般性角度或平均意义角度反映因变量可能发生的数量变化。

3.计算估计标准误差。通过估计标准误差这一指标，可以分析回归估计值与实际值之间的差异程度以及估计值的准确性和代表性，还可利用估计标准误差对因变量估计值进行在一定把握程度条件下的区间估计。四、一元线性回归分析

1.一元线性回归分析的特点

1)两个变量不是对等关系，必须明确自变量和因变量。

2)如果x和 y两个变量无明显因果关系，则存在着两个回归方程：一个是以x为自变量，y为因变量建立的回归方程；另一个是以y为自变量，x为因变量建立的回归方程。若绘出图形，则是两条斜率不同的回归直线。

3)直线回归方程中，回归系数b可以是正值，也可以是负值。若 0 b >，表示直线上升，说明两个变量同方向变动；若 0 b <，表示直线下降，说明两个变量是反方向变动。2.建立一元线性回归方程的条件

任何一种数学模型的运用都是有前提条件的，配合一元线性回归方程应具备以下两个条件： 1)两个变量之间必须存在高度相关的关系。

两个变量之间只有存在着高度相关的关系，回归方程才有实际意义。2)两个变量之间确实呈现直线相关关系。

两个变量之间只有存在直线相关关系，才能配合直线回归方程。3.建立一元线性回归方程的方法

一元线性回归方程是用于分析两个变量（一个因变量和一个自变量）线性关系的数学表达式，一般形式为：yc=a+bx 式中：x代表自变量；

yc代表因变量y的估计值(又称理论值)； ab为回归方程参数。其中，a是直线在y轴上的截距，它表示当自变量x等于 0 时，因变量所达到的数值；b是直线的斜率,在回归方程中亦称为回归系数,它表示当自变量x每变动一个单位时，因变量y平均变动的数值。

一元线性回归方程应根据最小二乘法原理建立，因为只有用最小二乘法原理建立的回归方程才可以同时满足两个条件：

1)因变量的实际值与回归估计值的离差之和为零；

2)因变量的实际值与回归估计值的离差平方和为最小值。

只有满足这两个条件，建立的直线方程的误差才能最小，其代表性才能最强。

现在令要建立的一元线性回归方程的标准形式为yc=a+bx,依据最小二乘法原理，因变量实际值y与估计值yc的离差平方和为最小值,即Q=∑(y-yc)2取得最小值。为使Q=∑(y-yc)2=最小值

根据微积分中求极值的原理，需分别对a,b求偏导数，并令其为0，经过整理，可得到如下方程组： ∑y=an+b∑x ∑xy=a∑x+b∑x2

解此方程组，可求得a,b两个参数

4.计算估计标准误差

回归方程只反映变量x和y之间大致的、平均的变化关系。因此，对每一个给定的x值，回归方程的估计值yc与因变量的实际观察值y之间总会有一定的离差，即估计标准误差。估计标准误差是因变量实际观察值 y与估计值yc离差平方和的平均数的平方根，它反映因变量实际值y与回归直线上各相应理论值yc之间离散程度的统计分析指标。估计标准误差：

式中：sy——估计标准误差；y——因变量实际观察值；yc——因变量估计值；n-2——自由度 如何描述两个变量之间线性相关关系的强弱？ 利用相关系数r来衡量

当r>0时，表示x与y为正相关;当r<0时，表示x与y为负相关。5.残差分析与残差图：

残差是指观测值与预测值（拟合值）之间的差，即是实际观察值与回归估计值的差

在研究两个变量间的关系时，a)要根据散点图来粗略判断它们是否线性相关；

b)判断是否可以用回归模型来拟合数据；

c)可以通过残差来判断模型拟合的效果，判断原始数据中是否存在可疑数据，这方面的分析工作就称为残差分析。6.残差图的制作及作用。

坐标纵轴为残差变量，横轴可以有不同的选择；若模型选择的正确，残差图中的点应该分布 在以横轴为心的带状区域，带状区域的宽度越窄精度越高。对于远离横轴的点，要特别注意。

7.几点注解：

第一个样本点和第 6 个样本点的残差比较大，需要确认在采集过程中是否有人为的错误。如果数据采集有错误，就应该予以纠正，然后再重新利用线性回归模型拟合数据；如果数据采集没有错误，则需要寻找其他的原因。

另外，残差点比较均匀地落在水平的带状区域中，说明选用的模型计较合适，这样的带状区域的宽度越窄，说明模型拟合精度越高，回归方程的预报精度越高。还可以用判定系数r2来刻画回归的效果，该指标测度了回归直线对观测数据的拟合程度，其计算公式是：

其中：SSR-回归平方和；

SSE-残差平方和；

Sst=ssr+sse总离差平方和。

由公式知，R（相关指数）的值越大，说明残差平方和越小，也就是说模型拟合效果越好。在含有一个解释变量的线性模型中r2恰好等于相关系数r的平方，即R2=r2

在线性回归模型中，R2表示解释变量对预报变量变化的贡献率。R2越接近1，表示回归的效果越好（因为R2越接近1，表示解释变量和预报变量的线性相关性越强）。

如果某组数据可能采取几种不同回归方程进行回归分析，则可以通过比较R2的值来做出选择，即选取R2较大的模型作为这组数据的模型。

总的来说：相关指数R2是度量模型拟合效果的一种指标。在线性模型中，它代表自变量刻画预报变量的能力。

五、多元线性回归分析

在一元线性回归分析中，因变量y只受某一个因素的影响，即只由一个自变量x来估计。但对于复杂的自然界中的问题，影响因素往往很多，在这种情况下，因变量y要用多个自变量同时进行估计。例如，某种产品的总成本不仅受原材料价格的影响，而且也与产品产量、管理水平等因素有关；农作物产量的髙低受品种、气候、施肥量等多个因素的影响。描述因变量与两个或两个以上自变量之间的数量关系的回归分析方法称为多元线性回归分析。它是一元线性回归分析的推广，其分析过程相对复杂一些，但基本原理与一元线性回归分析类似。多元线性回归方程的一般表达式为： 为便于分析，当自变量较多时可选用两个主要的自变量x1和x2。其线性回归方程标准式为：

其中：yc为二元回归估计值；a为常数项；b1和b2分别为y对x1和x2的回归系数，b1表示当自变量x2为一定时，由于自变量x1变化一个单位而使y平均变动的数值，b2表示当自变量x1为一定时，由于自变量x2变化一个单位而使y平均变动的数值，因此，b1和b2称为偏回归系数。

要建立二元回归方程，关键问题是求出参数a，b1和b2的值，求解方法仍用最小二乘法，即分别对a，b1和b2求偏导数，并令函数的一阶导数等于零，可得如下方程组：

(二)在回归分析中，通常称自变量为回归因子，一般用一般用表示。预测公式：

表示，而称因变量为指标，称之为回归方程。回归

模型，按照各种原则可以分为各种模型：

1.当n =1 时，称为一元(单因子)回归；当n ≥ 2时，称为多元(多因子)回归。

2.当 f 为线性函数时，称为线性回归；当 f 为非线性函数时，称为非线性(曲线)回归。最小二乘准则：

假设待定的拟合函数为，另据m个数据点，相当于求解以下规划问题：

即使得总离差平方和最小。具体在线性拟合的过程中，假设拟合函数为y=a+bx，a与b为待定系数，已知有m个数据点，分别为使：，应用最小二乘法，就是要

达到最小值。

把S 看成自变量为a和b的连续函数，则根据连续函数达到及致电的必要条 件，于是得到：

因此，当S 取得最小值时，有：

可得方程组为：

称这个方程组为正规方程组，解这个二元一次方程组，得到：

如果把已有数据描绘成散点图，而且从散点图中可以看出，各个数据点大致分布在一条直线附近，不妨设他们满足线性方程：

其中，x为自变量，y为因变量，a与b为待定系数；ε成为误差项或者扰动项。

这里要对数据点做线性回归分析，从而a和b就是待定的回归系数，ε为随机误差。不妨设得到的线性拟合曲线为：

这就是要分析的线性回归方程。一般情况下，得到这个方程以后，主要是描绘出

回归曲线，并且观测拟合效果和计算一些误差分析指标，例如最大点误差、总方差和标准差等。

这里最缺乏的就是一个统一的评价系统，以下说明从概率角度确立的关于线性回归的一套评价系统。

在实际的线性回归分析中，除了估计出线性回归系数a和b，还要计算y和x的相关程度，即相关性检验。相关性检验主要通过计算相关系数来分析，相关系数的计算公式为：

其中n为数据点的个数，为原始数据点，r的值能够很好地反映出线性相关程度的高低，一般来说，存在以下一些标准：

1.当 r →1 或者 r →− 1时，表示 y与x高度线性相关，于是由原始数据描绘出的散点图中所有数据点都分布在一条直线的附近，分别称为正相关和负相关；

2.当 r →0 时，表示 y与x不相关，由原始数据描绘出的散点图的数据点一般呈无规律的特点四散分布； 3.当−1

4.如果r → 1，则y与x线性相关程度越高；反之，如果r →0，则y与x线性相关程度越低。

实际计算r值的过程中，长列表计算，即：

在实际问题中，一般要保证回归方程有最低程度的线性相关。因为许多实际问题中，两个变量之间并非线性的相关关系，或者说线性相关程度不高，此时硬给他建立线性回归方程，显然没有太大意义，也没有什么实用价值。一般来说，把这个最低限度的值记为临界值出r的值，并且满足，称之为相关性检验标准。因此，如果计算，则符合相关性要求，线性回归方程作用显著。反之，如果，则线性回归方程作用不显著，就尽量不要采用线性回归方程。临界值的数值表如下：

其中，自由度可以由原始数据点的个数减去相应的回归方程的变量个数，例如线性回归方程中有两个变量，而数据点的个数为n个，则自由度为n − 2.自由度一般记为 f，但不要与一般的函数发生混淆。显著性水平一般取为 0.01,0.02,0.05等，利用它可以计算y与x之间相关关系的可信程度或者称为置信水平，计算公式为：

(这里取显著性水平为α =0.05)

现在介绍置信区间的问题，由于实际误差的存在，由线性拟合得到的计算值跟实际值之间必然存在一定的差距，其差值就是计算误差。假设原始数据点为为，计算得到的数据点，再给定附近的一个区间：

则实际值yi可能落在这个区间内，也可能落在这个区间外。如果所有的这些区间(以为中心，长度为)包含实际值的个数占总数的比例达到95%或者以上，则称这些区间的置信水平不少于95% 根据以上的分析，可以知道置信区间的概念，如果确定了置信水平为95%，从而可以找到相应的最小的Δt值，使得 95%以上的实际值落在区间

内，则称为预测值满足置信水平95%的置信区间。一般情况下，如果不做特别说明，置信区间的相应置信水平默认为95%，置信区间反映了回归方程的适用范围和精确度，特别的，当所有离散数据分布在回归曲线的附件，大致呈现为正态分布时，置信区间为：中S 为该回归模型的标准差，计算公式为：

其或者为：

那么，如果回归方程为 y=a+bx，则有两条控制直线分别为，他们代表了置信区间的上限和下限，如下图所示：

和

那么，可以预料实际的数据点几乎全部(至少95%)落在上图两条虚线所夹的区域内。这里对回归方程的应用做一个总结：

1.估计、预测指标值。对于因子x的一个给定值 x0，代入回归预测方程即可求出相应的指标值，称为指标y0的点估计，相应预测误差为

但是，真实指标y0 的值一般无法确知，预测精度只能根据回归误差来做估计。在回归预测中，预测的精度可以用均方差和标准差的比值来估计；

2.估计指标值范围。估计指标值的范围，就是求给定x0，相应于某个给定的置信水平的置信区间。具体的求法，要应用到t分布；

3.控制因子取值。在某些实际问题中，特别当因子值可以人为的控制、调解时，也可以根据所要达到的指标值，反过来推出因子的取值，这就是因子值的控制。

篇2：另类回归分析方法

回归分析方法在环境领域中的应用评述

摘要：回归分析是一种处理变量间相关关系的有效数理统计方法,回归分析模型目前已应用于环境领域的多个方面,并在实际应用中证实了其准确性和可行性.基本回归分析方法有一元线性回归、多元线性回归和逐步回归等,通过概述了这几种基本回归分析方法的原理及其在环境领域中的`应用现状,评述了其应用效果,并预测了回归分析技术在环境领域中应用的发展方向;对在众多环境科学与工程研究领域中,更好地发挥回归分析的作用具有很好的参考价值.作 者：张菁 马民涛 王江萍 ZHANG Jing MA Min-tao WANG Jiang-ping 作者单位：北京工业大学,环境与能源工程学院,北京,100022期 刊：环境科技 ISTIC Journal：ENVIRONMENTAL SCIENCE AND TECHNOLOGY年，卷(期)：2008,21(z2)分类号：X1关键词：回归分析 线性回归 环境预测 环境评价 地理信息系统

篇3：基于回归分析的网络流量测算方法

1.1 一元线性回归模型介绍

通常, 一元线性回归模型可以表示为:

式中:x为自变量, 代表网络中在线的用户数量;y为因变量, 代表当前网络总体流量;β0和β1均为参数, ε为误差项。根据回归模型的假定, ε的期望值等于0, 因此y的期望值:

即得到一元线性回归方程。由于总体回归参数β0和β1是未知的, 必须利用样本数据进行估计, 用样本统计量β0和β1代替回归方程中的未知参数β0和β1, 这时就得到了估计的回归方程:

利用最小二乘法解方程可得

1.2 数据处理

对某一网络流量进行采样, 网络中共计约4000台在线用户计算机, 采样数据从0:00时开始, 每隔5分钟对网络内在线的计算机数和网络流量进行记录。统计数据如表1所示:

通常, 当计算机数量为零时, 那么网络流量也将为零, 所以在回归分析中, 可以认定β0为零。估计的回归方程可以简化为:

利用Excel中的回归分析功能, 分析表1中的数据。设定网络流量为Y值, 在线计算机数为X值, 置信度为95%, 分析得出结果, 如表2所示。

通过表2中的数据, 列出回归方程:

表2中所示的调整后判断系数R2=0.941019, 说明在网络流量的变动中, 有94.1%可以由在线计算机数与网络流量之间的线性关系来解释, 或者说, 网络流量的变动有94.1%是由在线计算机数量所决定的。

1.3 显著性检验

由于估计方程是根据样本数据得出的, 它是否真实反映了变量x和y之间的关系, 需要通过检验后方能证实。显著性检验主要包括:线性关系检验和回归系数检验。

(1) 线性关系检验:设定显著性水平a=0.05, 由表2数据我们可以看到, Signifi cance F

(2) 回归系数检验:因为是一元线性回归, 并且β0为零, 所以我们只对计算机数的回归系数进行检验。由于计算机数的P-value

2 结语

利用Excel中的回归分析功能绘制的线性拟合图 (图1) , 直观的显示了计算机数与网络流量的线性关系, 结合回归方程我们可以得出以下结论:网络中每增加一台计算机 (在线用户) , 对网络流量产生的增量约为:30939.7×8=247517.6 (bit) , 即约248kb带宽。

通过上述分析可以得出, 在一定时期内, 网络流量的变化是可以根据用户数量变化较为准确的进行预测。在实际运用当中, 网络流量与用户数量之间的线性关系, 需要根据自身网络实际情况, 进行采样并得出最优数据。

摘要：网络流量测算在网络规划、设备部署和异常流量预警等方面有广泛的应用。通过对现有网络进行样本数据采集, 利用回归分析测算用户数量与网络流量的线性关系, 求得相关参数, 为网络运营管理提供精细化的数据支持。

关键词：网络流量,回归分析,测算

参考文献

[1]贾俊平, 何晓群, 金勇进.统计学[M].中国人民大学出版社, 2007.

[2]赵建民.计算机网络原理[M].高等教育出版社, 2001.

篇4：另类回归分析方法

曾经混迹于纽交所的中国教育股学大教育2016年正式回归A股，并于7月份更名为紫光学大（000526.SZ）。但是其回归后的道路似乎并不“平坦”。先是一份55亿元的定增预案被叫停，又发布2016年报预测，业绩情况令人担忧。

巨额定增预案为何终止？终止之后对公司有何影响？公司业绩状况如何？又是什么原因导致？《投资者报》记者就以上问题联系公司相关负责人，但还未得到合理解释。

巨额定增预案遭终止

业绩亏损难挽救

2010年，紫光学大（当时的学大教育）登陆美股，开盘时较发行价上涨了50%，成为当年中国赴美IPO融资规模最大的教育类公司。但后来因国内教育行业投资环境也很火热，再加上对纽交所的市值并不太满意，紫光学大于2015年展开了回归A股的计划。

回归进行得甚是迅速，需耗时3年左右的“中概股回归路”，紫光学大用不到1年就完成了。这主要由于收购它的国内上市公司银润投资本身就是一个壳公司，市值较小，总股本不到1个亿，前身是厦门市的一家渔业国企，1993年即在深交所上市，此后公司控股权数度易手，上市名称也先后历经厦海发A、ST厦海发、旭飞实业、好时光、G旭飞、旭飞投资。所以，这令紫光学大免去了借壳或IPO的时间，收购完成后银润投资的股票简称就直接更名为紫光学大了。不过，值得注意的是，银润投资虽然是一家壳公司，但其背后的大股东却是清华紫光系教育集团。

2015年4月19日，银润投资向紫光学大发出初步收购要约，以2.2亿美元的价格收购紫光学大所有在外流通股票。定增方案的推出也是紧锣密鼓。2015年11月17日，银润投资便发布公告，称将募资55亿元，其中23亿元拟用于收购紫光学大100%股权，17.6亿元用于设立教育投资项目（建设国际学校），14.4亿元用于在线教育平台的建设。

不过，这份55亿元的定增预案在2016年12月宣告终止。收购紫光学大的费用也是银润投资向清华紫光系子公司紫光卓远所借，期限为1年，借款利率为4.35%/年。至于为何终止，有业内人士认为，这与定增每股价格过低及回归后业绩不佳有很大关系。

紫光学大的股价即使在大盘整体回落之后，也一直在每股40元左右。但定增方案卻以19.13元每股的价格向大股东募集资金，这也引起了紫光学大众多小股东的不满。大股东以便宜价增持，以很低的成本就掌握了公司的控制权，对小股东来说有失公平，也将对未来股价走势带来很多风险因素。

再加上紫光学大近两年业绩情况都不佳，2015年净利润亏损1347万元，2016年前三季营收8.19亿，净利润亏损3705万，同比下降3853%。11月28日，公司披露了2016年全年业绩预测，称公司在2016年净利润亏损将持续扩大为9596万元。这也意味着公司可能会连续两年亏损，在2017年有被戴帽“ST”的风险。

线上教育遭“围剿”

那么曾经迅猛发展的紫光学大这几年业绩怎么了？回归后又面临着怎样的竞争环境？

紫光学大创立于2001年，据其官网介绍，目前其已经在全国120余个城市开设了500多所个性化学习中心，有超过15000人的业务人员团队。2013年，在K12（中小学生基础教育）课外辅导市场的占有率为1.05%，位于全国第二位，仅次于新东方的1.45%。其主业主要是个性化1对1智能辅导，财务数据显示，2014年和2015年1对1教学业务均贡献了85%的销售收入。

但是自2012年以来，紫光学大的主营业务就出现了亏损局面。据2012年财报显示，当年其净利润亏损达410万美元（约合2800多万人民币）。这主要是因为线下教育市场的生源数量经过几年的开发之后已经出现增长瓶颈，一些地方的中小培训机构通过价格战抢夺生源。而且紫光学大相比于新东方的大班模式和“好未来”的小班模式，一对一的培训在师资和场地上的成本更高。有业内人士称，“学大的一对一模式，花在师资上的成本太高了。学大近50%的成本是师资成本，而同处教育行业的“好未来”和新东方在师资方面的开支仅占总成本的35%左右。”

线下教育市场越来越难做，紫光学大也动起了线上教育的心思。虽然国内在线教育市场火热已久，但面对K12的市场尚未开发成熟。所以各路兵马纷纷进军这一领域，都想在局势未定前先“占下一个山头”。除了传统线下教育竞争对手新东方和学而思推出自己的线上平台之外，互联网巨头BAT以及雷军主导的投资资金也纷纷布局在线教育领域，而且他们推行的免费平台模式更是对紫光学大造成了很大竞争压力。

据行业机构统计，截至2015年9月，中国在线教育项目的数量已超过3000个；截至2015年11月，2015年的总融资金额已增长至17.6亿美元。

为了在激烈环境中突出重围，紫光学大从2014年开始也推出了“e学大”线上平台，试图开创在线教育的O2O模式。

但是，相对于另外两个教育巨头新东方及好未来，紫光学大受累于亏损的业绩，以及在美股市场上一直估值不高，并没有那么多资金进行外部收购以及自身平台的建设。相比之下，2015年，好未来对在线教育公司的收购力度势头不减。2015年9月22日，好未来宣布全资收购少儿英语品牌“励步”，加上此前控股的轻轻家教等品牌，可以看出好未来正加快收购步伐，以强化外部资产与自身业务的整合。据统计数据显示，2014年以来，好未来已投项目6个，领域涵盖K12、O2O、出国留学、儿童早教、智能硬件等领域。

而新东方也选择了类似的发展路径，2015年全年投资项目4个，领域涵盖K12、智能硬件、儿童早教等领域，另外俞敏洪发起成立的洪泰基金也投资了一个语言培训类项目。

而紫光学大本身资金乏力，再加上55亿元的定增预案终止，后续资金问题将更加凸显。曾计划募投17.6亿元和14.4亿元的国际教育学校和在线教育平台项目也将会因此暂时搁浅或者延缓。

篇5：另类的创业赚钱方法:

方法1:拍毕业照

大学生拍毕业照，两个月净赚40万?不管这则消息是真是假，其实这对每个大学生来说都不是什么遥远的事儿，只要你有灵感有创意即可。拍照是一门简单易学的技术，而只有新奇的创意才能够引爆眼球，吸引顾客。因为每个人一生中拍毕业照的次数屈指可数，所以大多数人对毕业照的拍摄也就更加慎重。在塔木德理财师看来，拍摄校园毕业照确实是一个很好的赚钱手段，每年都有大批毕业生离校，利用好这“匆匆一别，从此天涯两茫茫”的黄金时期赚钱，不失为一个精明赚钱之举。

方法2:快递帮

如今的90后大学生简直个个都是购物达人，成天都在“买买买”，毕竟90后大多数都是家里的独生子女、掌上明珠，在生活费方面还是比较阔绰的。不过，“买买买”倒是有劲，可许多人一想到要去遥远的取货点拿快递还是有些烦恼的。因为一般而言，大学里都是集中设置取货点，而在占地如此宽广的校园里，很多学生不得不横穿整个校园取快递。由此，最近有大学生搞起了校园快递帮服务，就是由专人代取快递送货上门。这一服务在90后学生中受到广泛的支持，并且每个快递只需3元的运送费，价格也是合情合理的。所以，只要你学校有辆自行车，就可以考虑通过“快递帮”的形式轻松赚取人生第一桶金了。

方法3:边跑边赚

这对于爱好体育锻炼的小伙伴来说可谓是莫大的福利，试想一边跑步一边还能赚钱，天下竟然有这等好事?不过你可不要不相信，“陪跑族”作为一个悄然新起的行业，目前广受青年人的追捧。虽说理论上陪跑的对象一般为女性、小孩等弱势群体，不过作为“时尚时尚最时尚”的90后可不会放过这一赚钱机会滴!塔木德俱乐部年纪最小的会员小吉因为从小酷爱运动，于是在他的大学办起了陪跑服务，陪跑的对象为喜爱跑步却找不到伙伴的同学。通过收取10元每小时的服务费，小吉可是大赚了一笔，这不，就在这暑假还自费去了趟韩国旅游，是不是听起来很羡慕呢?

方法4:视屏找茬儿

出于娱乐大众以及扩大传播效力的目的，现在有不少娱乐传媒公司愿意花钱雇佣专员寻找电影、电视剧中的穿帮镜头，例如某知名视频网有一款独家自制的节目《娱乐猛回头》就经常有曝光许多搞笑的穿帮画面，而且这档节目收视率也比较高。那么，对于有大把闲暇时间的在校大学生而言，这种赚钱方式还是比较轻松有趣的。只要多看剧，多研究一些热门视频就行了，当然关键还是看眼力呀!所以，对于那些近视一千多度的孩子建议还是寻找其他的赚钱方式，毕竟“天下何处无芳草，何必单恋一枝花”!

方法5:学霸陪读

篇6：Droid铃声设置另类方法

这个方法简单的来讲就是在内置的TF卡中设置相对应的文件夹，该文件夹必须按照规定的名称设置，否则系统不会认出来。我们可以通过这样的设置来电铃声、短信铃声、闹铃和系统提示音的声音，

首先我们要在TF卡根目录中设立一个名为media的文件夹，在该文件夹中设置audio的文件夹，再在audio文件夹中设置其他相应的文件夹。

其中放置短信铃声的文件夹名称为notificati**，放置闹铃铃声的文件夹为alarms，放置来电铃声的文件夹为ringtones，而系统提示音的文件夹名称为ui。

篇7：另类提高电脑运行速度的方法

帐户，原本是Windows为多人使用同一台机器而开设的功能，不同的帐户有不同的配置文件，不同的帐户进入系统后所加载的服务和应用程序也是不一样的，但在实际应用中，为计算机设置多个帐户的人很少，这里，所要应用就是这一点。

当系统变得很慢时，先不要急着重装系统，不凡按如下步骤试试：（这里以Windows XP为例，其它版本设置基本相同）

1.依次点击“开始”→“控制面板”→“用户账户”打开“用户帐户”对话框；

2.点击“创建一个新帐户”，在新出现的界面中输入新帐户的名称，然后点击“下一步”；

3 .在新出现的界面中选择帐户类型，然后单击“创建帐户”，完成帐户的创建；

4.重新启动计算机，用刚刚创建的帐户登陆机器，是不是感觉系统和之前的相比简直就是一次大提速，

注意事项：

通过以上方法之后，为了不改变使用习惯，可以将以前的“桌面”和“快速启动栏”拷到现在的用户下，具体对应路径如下：

桌面 C:＼Documents and Settings＼用户名＼桌面

快速启动栏C:＼Documents and Settings＼用户名＼Application Data＼microsoft＼Internet Explorer＼Quick Launch

当系统中只有一个Administrator帐户时，在选择帐户类型时，“受限”类型将为不可选，因为Windows要求如果有多个帐户的话，除了Administrator帐户之外最少有一个为“计算机管理员”类型的帐户。

一切就绪之后，就可以就那个“龟速帐户”给删了。

再次提醒您：删除原账户前，请先把资料都备份好。

篇8：另类回归分析方法

关键词：数据分析,回归分析,模型检验,EXCEL

1 建立回归模型

回归分析方法在市场预测分析、企业需求分析等方面应用广泛, 但现有的专业分析软件价格昂贵, 如何借助于常用的办公软件进行统计分析呢?经过多年教学实践, 探索出利用EXCEL电子表格进行统计分析的方法, 具体介绍如下。

利用EXCEL进行回归分析应分为以下基本步骤。

(1) 在工具菜单中通过加载宏, 加载分析工具库。操作如图1所示。

(2) 利用数据分析工具进行回归建模。

例如, 对表1的统计数据进行回归分析, 建立需求数与价格、产品等级、上期市场占有率、广告费、促销费等的线性回归模型。首先, 将表1的数据输入到EXCEL电子表格中, 然后可利用EXCEL中的数据分析工具选择回归功能进行。具体操作如图2、图3所示。

从图3可见, 本次分析的市场需求数为回归因变量 (Y) , 影响市场需求的因素有产品价格x1、产品等级x2、上期市场占有率x3、广告费x4、促销费x5等, 这些作为回归分析的自变量, 当回归建模的功能界面设定后, 就可以直接得到回归分析结果, 如图4所示:

根据图4中Coefficent列得到的各变量的回归系数, 得出市场需求量与产品价格x1、产品等级x2、上期市场占有率x3、广告费x4、促销费x5的回归方程为:

市场需求量 (Y) =818.142-0.221 35×产品价格x1+20.076 62×产品等级x2+137.649 1×上期市场占有率x3+0.002 660 8×广告费x4+0.001 33×促销费x5

从图4的回归结果可以看出, 市场需求量与产品价格成反比, 和产品等级、上期市场占有率、广告费、促销费成正比。

该回归方程可以作为未来进行市场需求分析的模型, 为公司下一步决策提供决策参考。

例如, 下期B产品在市场上的定价x1为4 700, B的产品等级x2为5.1, 上期市场占有率x3为0.11, 本期广告费x4为3 300元, 促销费x5为4 900元。根据上述回归方程可预测下期的市场对B产品的需求量Y的计算公式为:

Y=818.142-0.22 135×4 700+20.076 62×5.1+137.6491×0.11+0.002 660 8×3 300-0.001 33×4 900=102.47

由此可见, 利用EXCEL建立的预测模型, 企业可以很方便地分析本公司产品在市场中的需要变化, 并进行适当的产品规划。

那么, 利用EXCEL得到的回归预测模型是否可信呢?下面利用EXCEL, 对置信度为95%情况下的模型可靠性进行检验。

2 回归分析的显著性检验

回归分析中, t检验是检验单个参数的显著性, 而F检验是检验整体参数的显著性。通过t检验说明被检验的参数是显著有效的, 通过F检验, 说明整体参数中至少有一个是显著的, 但不一定是都显著。F检验是检验解释变量 (自变量) 与被解释变量 (因变量) 总体的线性关系 (对线性模型而言) , t检验是检验单个解释变量对被解释变量的解释能力, 如果不能通过t检验的话, 说明该解释变量对被解释变量的解释作用不大, 应在模型中剔除。

利用EXCEL的数据分析进行回归, 可以得到一系列数据 (如图4所示) 。图3给出了市场需求量的影响因素的数据表。利用数据分析工具得到的回归结果 (如图4所示) , 我们称为回归结果摘要 (Summary Output) , 具体包括三部分内容, 下面一一进行说明。

(1) 第一部分:回归统计表。

这一部分给出了相关系数、测定系数和校正测定系数, 对图4中的信息逐行说明如下:

(1) Multiple R对应的数据是相关系数 (correlation coefficient) , 即R=0.999 768 (显著相关) ;

(2) R Square对应的数值为测定系数 (determination coefficient) , 或称拟合优度 (goodness of fit) , 它是相关系数的平方, 即有R2=0.999 535 (显著相关) ;

(3) Adjusted R Square对应的是校正测定系数 (adjusted determination coefficient) , 具体数字为0.998 374;

(4) Standard error对应的即所谓标准误差数值, 具体数字为2.324 25;

(5) 最后一行是观测值, 它对应的是样本数目, 具体数字为n=8。

(2) 第二部分:方差分析表。

方差分析部分包括自由度、误差平方和、均方差、F值、P值等 (见图4第2部分内容) 。下面逐列、分行说明如下。

(1) 方差分析表中的第一项指标为df, 它对应的是自由度 (degree of freedom) 。第二项指标SS为误差平方和, 或称变差。

(2) 方差分析表中第一行df列是回归自由度dfr, 等于变量数目, 即dfr=m;第一行SS列为回归平方和或称回归变差SSr, 它表征的是因变量的预测值对其平均值的总偏差。

(3) 方差分析表中第二行df列为残差自由度dfe, 等于样本数目减去变量数目再减1, 即有dfe=n-m-1;第二行SS列为剩余平方和 (也称残差平方和) , 或称剩余变差SSe, 它表征的是因变量对其预测值的总偏差, 这个数值越大, 意味着拟合的效果越差。上述的y的标准误差即由SSe给出。

(4) 方差分析表中第三行df列为总自由度dft, 等于样本数目减1, 即有dft=n-1。本例中, 变量数目m=5, 样本数目n=8, 因此, dfr=5, dfe=n-m-1=2, dft=n-1=7。第三行SS列为总平方和, 或称总变差SSt, 它表示的是因变量对其平均值的总偏差。而测定系数就是回归平方和在总平方和中所占的比重, 显然这个数值越大, 拟合的效果也就越好。

(5) 方差分析表中MS列对应的是均方差, 它是误差平方和除以相应的自由度得到的商。第一行MS列为回归均方差MSr, 第二行MS列为剩余均方差MSe, 显然这个数值越小, 拟合的效果也就越好。

(6) 方差分析表中F列对应的值是F统计量的数值, 用于评价回归方程的显著性。

(7) 方差分析表中Significance F列对应的是在α=0.05的显著水平下的Fα临界值, 这里用P代表, 即弃真概率。所谓“弃真概率”即模型为假的概率, 显然1-P便是模型为真的概率。可见, P值越小越好。对于本例, P=0.001 161, 故置信度达到95%以上。

(3) 第三部分, 回归参数表。

回归参数表包括回归模型的截距、斜率及其有关的检验参数 (见图4第3部分表) 。

(1) 第一列Coefficients对应模型的回归系数, 由图可见回归方程参数如下:

截距a=818.142, x1的斜率=-0.221 35, x2的斜率=20.076 62, x3的斜率=137.649 1, x4的斜率=0.026 606, x5的斜率=-0.001 33, 由此可以建立回归模型。

(2) 第二列为回归系数的标准误差 (用s表示, 误差值越小, 表明参数的精确度越高) 。这个参数较少使用, 只是在一些特别的场合出现。不常使用标准误差的原因在于:其统计信息已包含在t检验中。

(3) 第三列t-Stat对应的是统计量t值, 用于对模型参数的检验, 需要查表才能决定。t值是回归系数与其标准误差的比值, 对于一元线性回归, F值与t值都与相关系数R等价, 因此, 相关系数检验就已包含了这部分信息。但是, 对于多元线性回归, t检验就不可缺省了。

(4) 第四列P-value对应的是参数的P值 (双侧检验) 。当P<0.05时, 可以认为模型在α=0.05的水平上显著, 或者置信度达到95%;当P<0.01时, 可以认为模型在α=0.01的水平上显著, 或者置信度达到99%;当P<0.001时, 可以认为模型在α=0.001的水平上显著, 或者置信度达到99.9%。对于本例, 产品价格x1的回归系数检验的P=0.00215<0.05, 故可认为在α=0.05的水平上显著, 或者置信度达到95%。P值检验与t值检验是等价的, 但P值不用查表, 显然要方便得多。

(5) 最后几列给出了回归系数以95%为置信区间的上限和下限。可以看出, 在α=0.05的显著水平上, 截距的变化下限和上限为535.438 1和1 100.846, x1斜率的变化极限则为-0.265 59和-0.177 12, 其余依此类推。

3 结语

通过探索实践, 总结了利用EXCEL建立市场预测模型的方法, 并且统计检验, 进一步确定:利用EXCEL建立的统计回归模型通过了F检验和t检验, 因此, 上述回归模型是可靠的, 预测结果是可信的。

参考文献

[1]孙青华, 史永琳, 曲文敬.企业经营决策实战模拟[M].西安:西安电子科技大学出版社, 2017.

篇9：如何增加外链的另类方法

一.怎样利用QQ群

针对自己所需要推广的产品，寻找相应的QQ群.就是针对你网站本身的用户人群，然后去加一些用户人群聚集的QQ群，比如你是商城或者网址导航类的，你就可以直接去QQ群搜索“网址导航”，或者“网址导航导购”之类的群，其实这些群还细分了很多行业。比如电脑，数码，电视，服装，化妆品等细分群。大家可以根据自己产品特点，所属行业，进行挑选活跃高的，人数多的，最好选择 ，高级群。申请加入。然后去推广.

二.怎样利用邮件

利用QQ邮件的弹出式优点可以选择群发QQ邮件，至于怎么群发还是自己去搜索吧，群发最重要的是内容，如果内容让人一看就是广告的话，我想一般大家都会直接删除，我建议图片站如果发送群发邮件就一定要把邮件内容做好，做一些原创性的图片或者桌面等作品，让你的内容对别人有用，而不是垃圾，这样的信息我想一般人都会选择去看一下，当然内容质量一定要保证，这也是能不能吸引别人去你网站的原因之一，

三,怎样利用书签

利用QQ书签,到处收集诱惑的标题，点击率最高的那种，去各种大型网站找点击排行榜，举个例子bbs.sina.com.cn/focus100.html

把这些标题采集下来，也是发到qq书签上，链接写我们网站的一个地址，但是我们的网站上面并没有这篇文章和地址，那么我们就做一个404错误页面，大家都知道404错误页面的作用是，当访问网站不存在的页面时候就会出现404错误页面，我们可以在这个404上面放上盈利终端，或者在404上面加跳转代码，跳转到我们的诱惑页面上。

篇10：另类创新思维玩抖音的方法

今天主要讲的平台是抖音。每一个产品或者平台，都会有特定的忠实粉丝，这些粉丝的文化程度、消费习惯、年龄段、居住地区都有明显的区别。而抖音这个APP集合了头条最优势的算法，是一种小咖秀形式的以音乐为背景的短视频表现形式。

目前为止，抖音的主要用户，还是以城市新贵、大学生、一二线城市的中高端人群为主。拍摄的视频质量，视频效果都是很不错的。比起快手、火山里低俗、粗劣的不加修饰的视频，抖音的变现形式更加精彩。

案例分析

抖音要怎么去操作，方法很简单，这里不多讲。我要跟大家聊的是如何利用抖音这个平台如何选产品、做引流、促成交。下面，我举两个例子来跟大家分析一下：

有一个做飞鼠(就是那种会飞的小老鼠)的抖音用户，他的IP打造是以一个喂养者的身份，变现形式无非就是让小老鼠飞来飞去吸人眼球，让人产生兴趣并购买。这种新奇的宠物，在一个视频平台里，加上背景音乐、特效等，立马变得非常的高大上，而且潮流时尚。我观察了一下，只有15个视频，关注量就达到了32万之多。

抖音还有个比较好的地方在于，关注后能加好友，可以聊天。这就是张一鸣的聪明之处，避免流量的流失。意思很明确，卖东西就直接在我这谈吧，不用加微信。但，同样也有很多主播留微信号。

我问过一个做飞鼠的朋友，他最多一天卖六十几个，而且一个视频可能加粉就加200多，这得益于头条的算法。经常关注某一块内容的用户，平台就会不断推送类似视频。这对于做互联网创业的我们来说是再好不过了。

还有一个是做视频剪辑变魔术的，说白了，没有什么魔术成分，基本都靠的视频制作，变现的手法很简单，就是用一些新颖的道具或者一些产品做道具，有人感兴趣就就会去买。40个视频，688万的粉丝。就算目前没有更多的变现手法，也不愁广告主找不到他。

产品选择

当然啦，一定要选对产品。相对于其他短视频平台，抖音的用户更城市化、更年轻、有层次，是网购的主力军，很容易接受新鲜事物，很容易成交。所以，产品一定要新颖，最好选那些创意产品、刚需产品或有特色的产品。比如，创新玩具啊，一些批量生产的工艺品啊，都是很好的选择。

阿里巴巴，包括头条上很多创意工坊，大家可以到上面找一下。多选几款产品，分不同的号测试，一旦爆单，追加投资和重复操作，简单，上手容易。

拍摄需要注意的事儿

选择好产品之后，就是针对产品进行视频拍摄。拍摄的时候最好带上故事场景，或者使用一些拍摄技巧。比如，卖玩具就用孩子做主角，使用场景+炫酷效果。这样，视频传上去之后，有人关注你，你加好友，并把他们引流到微信，就可以在微信上累积粉丝。

抖音的算法和头条一样，你喜欢什么给你推送什么。所以，视频一旦做好，推广不用担心。视频内容一定要垂直，围绕产品做视频。产品和视频要结合起来，不要广告痕迹太重。比如，卖玩具，就拍玩玩具把孩子逗得哈哈哈大笑这种，这样的形式才更吸引人，后面转化起来也会比较好。

在抖音的主页是可以留微博或者微信号的。这样的话，不用说别人都会关注你，你再去加好友、问微信，人家感兴趣就可以直接加你微信进行进一步的了解。

成交方面

至于成交方面，其实没啥技巧。既然加了微信，很多都是准客户，不用过于在成交上做什么工作。这么说吧，我在调研过程中，有个朋友就卖舞鞋，拍些跳舞的视频。视频内容和产品之间要有关联性，但是视频内容不能太直接，因为抖音广告是不能太直接的。

案例结合

接下来，给大家讲一下我跟抖音是怎么结合的。我有个侄子，今年24岁，年前孩子刚出生，家庭条件也一般，打工不够一家人花销，就想做点生意。他在网上学了乌云冰激凌的一些配方和做法，自己在家研究实验了一圈，做出来的冰激凌非常好吃，开了一个门店，总投资还不到1万块钱。

当时找到我，问我怎么做，想找些方法。我告诉他，就快手和抖音。也就是说，充分利用快手和抖音这两个平台，将两个平台的优势结合在一起。快手 上发视频的内容大概是变现这个产品的销量和火爆，然后招一些代理和加盟，或者收学生卖原配料。

快手这个平台有点类似农村大集，产品五花八门，卖什么都行，可能卖个卫生巾都有人要,之前有个朋友就是利用快手卖农村做工用的工具，一天都有60单，只要简单明了搞笑就好，视频剪辑不用太花哨，一天3-6个视频就够了。

抖音怎么做呢?拍出漂亮的产品，然后外观加浪漫音乐相结合，这个主要针对一些一二线城市的中高层，售卖DIY配料，发货让他们自己在家做。打包原材料和一些简单的一次性调味盒之类的。另外线下，接一些房产、汽车、幼儿园的活动等等。

我告诉他，线下店不一定非要盈利，但是你得找到你的盈利点，线上是你的盈利点，主要在线上转化，这个很重要，而且线上能给他更快的曝光度，能快速的积累一批用户。现在，他已经注册自己的品牌，预计今年收益至少100万起。

总结

每一个平台出现都会涌入大批流量，如何利用别人的鱼塘，去钓到自己想要的鱼，一定要学会对症下药，看清楚是什么客群，推什么产品，这是永恒不变的道理。