使用 SQL 线性回归分析计算广告费用与销售额关系

本指南演示如何使用 SQL 查询分析广告费用与销售额之间的线性关系，并计算线性回归方程的斜率和截距。

步骤 1：计算相关统计数据

首先，我们需要计算一些基本统计数据，例如广告费用总额、销售额总额、观测值数量、广告费用和销售额的交叉乘积以及广告费用的平方和。

SELECT 
  SUM(advertising_cost) AS total_advertising_cost, 
  SUM(sales) AS total_sales, 
  COUNT(*) AS num_obs, 
  SUM(advertising_cost * sales) AS cross_product, 
  SUM(advertising_cost * advertising_cost) AS x_squared 
FROM 
  sales_data_table;

步骤 2：计算线性回归方程的参数

接下来，我们可以使用这些统计数据来计算线性回归方程的斜率和截距。

-- 计算线性回归方程的参数
WITH regression_parameters AS (
  SELECT 
    (num_obs * cross_product - total_advertising_cost * total_sales) / 
      (num_obs * x_squared - total_advertising_cost * total_advertising_cost) AS slope, 
    (total_sales - slope * total_advertising_cost) / num_obs AS intercept 
  FROM 
    sales_data_table
)
SELECT * FROM regression_parameters;

解释

slope 表示广告费用每增加 1 美元，销售额预计会增加多少。
intercept 表示当广告费用为 0 时，销售额的预计值。

注意：

这只是一个简单的线性回归分析示例。在实际应用中，可能需要考虑其他因素，例如季节性或竞争对手的活动，来构建更准确的模型。
你需要将 sales_data_table 替换为你的实际表名，将 advertising_cost 和 sales 替换为你的实际列名。