如何理解不同预测变量之间的关系一家公司希望有一个工具可以根据大型汽车数据集来预测二手车的价格。 因此，他们首先需要了解不同预测变量（自变量）与二手车价格之间的关系。
对于以下问题，我们假设价格由数据集中包含的多个预测变量决定。
- 研究哪些连续预测变量对价格有影响。
- 研究哪些序数预测变量对价格有影响。
- 研究哪些名义预测因素对价格有影响。
我如何最好地分析这个
高级统计建模数据探索和可视化回复：如何理解不同预测变量之间的关系这是教科书上的问题吗？
回复：如何理解不同预测变量之间的关系你好@BaggingSpaces55 ,
不幸的是你的问题不是很清楚。 但据我了解，如果你想找到汽车价格与定义汽车价格的变量之间的关系。 我相信您可以使用回归分析来确定这些预测因素对二手车价格的统计显着性以及相关性。 如果您有一组数据，请尝试使用 JMP 中的拟合模型选项。 由于您提到这些因素或变量是相互独立的，因此您可以跳过模型中的交互作用。
我希望这个答案可以帮助你。 添加具体细节可能可以帮助您获得正确的解决方案。
回复：如何理解不同预测变量之间的关系你好@BaggingSpaces55 ,
由于缺乏上下文和精确性，我只会提供一个建议来帮助您入门。
对于您的数据集和问题，“数据挖掘”心态的一个很好的起点可能是使用“预测筛选”平台，以确定预测变量对价格的相对重要性，无论其类型/格式如何。
如果您需要评估每个因素类型的相对重要性，您可以分别对每个因素类型运行分析。
我希望这个补充性的答案可以对您有所帮助。
如果您需要更多信息或指导，请提供更多背景信息。
