3.相关分析：描述的是两个数值变量间关系的强度。（两个数值型变量之间的关系）

（1）图表表示：散点图

（2）衡量关系强度指标：相关系数r。

（r的取值为-1到 +1，-1代表两个变量是完全的负线性相关关系，+1代是完全的正线性相关关系，0代表两个变量不存在线性相关关系，越接近1两个变量的关系强度越高。）

4.回归分析：描述的是一个或多个自变量的变化是如何影响因变量的一种方法。（两个数值型变量之间的关系）

（1）回归分析的核心价值在于“预测”，即通过对历史数据的分析，构建可以预测未来因变量值的数学公式。

（2）公式：因变量=斜率*自变量+截距（y=β1*x+ β0）

（3）拟合优度度量：R^2

①R^2的取值介于0~1之间，越接近1，表明x与y之间的线性关系对预测，值的贡献越大，拟合程度就越好。

②具体操作方法：Excel的“数据”菜单栏-数据分析-回归

Multiple R(相关系数r);

RSquare(判定系数R^2); 一般用于单个自变量

Adjusted R Square(调整后的判定系数 R^2); 一般用于多个自变量

标准误差(用回归方程预测因变量y时预测了误差的大小，各数据点越靠近回归直线，标准误差越小，回归方程进行的预测也就越准确)。

5.方差分析（分类型变量与数值型变量之间的关系）

（1）用途：可用于判断渠道、性别、年龄等对广告效果的影响强度；利用对多个样本的方差的分析，得出总体均值是否相等的判定。

（2）判断

方法一：F值判断是否显著影响，F大于Fa则显著影响；

方法二：P值小于a，则显著影响；

（3）具体操作方法：Excel的“数据”菜单栏-数据分析-方差分析（单因子选单因子方差分析）

（4）例子