整体回归显著性分析F检验的结果显示，整体回归显著，同样，回归参数显著性分析t检验也表示回归参数等于0的假设不成立。

从回归统计来看，可决定系数 ，不算是非常好的指标，现有模型不足以来拟合捐赠率数据，我们应当考虑引入更多特征值做分析

多元变数线性回归分析

在大学中，一位老师面对较少数量的学生，通常会让学生有更好的体验，从而加大捐赠的比例。基于此逻辑的考虑，在「毕业率」之外，我们额外增加"小班率"以及"学生-老师数量比"为自变数，捐赠率为因变数，考虑多重线性回归拟合。

利用excel数据分析模块做线性回归拟合

从图形可以看出，捐赠率与毕业率、小班率正向相关，与学生-老师数量比负向相关，这与我们对数据信息的经验分析相符合。

线性模型回归统计

可决定系数 ，明显高于之前0.57

整体回归分析参数F检验显著。自变数小班率与截距的t检验P值大于0.05，两个参数可以假设为零。这意味著，我们可以舍弃小班率与截距。

在这里，可以考虑，小班率与学生老师数量比之间或存在线性相关，小班率高，学生老师数量比就小，反之亦然，我们试著把小班率去除，截距设为零，观察下回归模型计算的结果

利用excel数据分析模块做线性回归拟合

多重线性回归模型统计

可决定系数

这是目前最好的结果，线性回归模型可以说明94%的捐赠率的偏离均值差异。整体回归分析F检验与参数t检验均表示显著。

为了更直观的认识线性模型，我们使用python来完成三维可视化

管理建议

最终，我们建立关于捐赠率的回归模型

从模型分析中，我们会建议校方，为提升捐赠率，提高学校的财政收入，需要改善毕业率与学生老师数量比，其中学生老师数量比权重系数是毕业率的约三倍，这意味著改善学生老师数量比的相对收益更大。但是改善学生老师数量比，需要引进更多的老师，这会带来更多附加成本，因此对师生比因素的改善需要更多数据来评估。

改善毕业率意味著吸收更好的生源，提升教学质量，这其实是学校本有的发展目标，对于现有毕业率低于平均水准的学校而言，改善毕业率是提升财政收入的有效办法。

---

推荐阅读：