Statistics 性能与天气回归分析

我对统计非常陌生，我试图弄清楚什么是最好的方法，以及如何根据天气数据分析性能数据

我的假设是性能数据受天气数据的影响，我想证明这一点

我试图在散点图上绘制每日性能数据和平均温度数据，以进行回归分析，结果看起来很奇怪。我认为这是由于天气数据中的负值

以下是我可以获得的所有天气信息：
雾、雨、雪、冰雹、雷声、龙卷风、平均气温、平均气温、平均气温、平均气温、平均气压、平均气温、平均气温、平均气温、平均气温、平均气温、平均气温、平均气温、湿度、最大气温、最大气温、最小气温、最大湿度、最小湿度、最大气温、最大湿度、最小湿度，MaxPressureEM，maxpressurei，MinPressureEM，minpressurei，maxwspdm，maxwspdi，minwspdm，minwspdi，maxvism，maxvisi，minvism，minvisi，gdegreedays，加热脱脂，冷却脱脂

你能告诉我什么是最好的方法来分析这些数据并得到一些有意义的结果吗

---

谢谢

当您对问题中绘制的数据进行线性回归时，您应该得到接近零的斜率，这意味着数据中没有线性关系。因此，一种简单的方法是对所有可用数据进行线性回归，寻找除零以外的任何斜率（正或负）。当然，有更好的统计技术，但是这可以提供信息，而且很容易自动化。

谢谢James，您还推荐什么其他统计技术？我最感兴趣的是温度，所以如果目前的数据没有显示任何东西，我认为这个假设是不正确的。雨和雷的存在并不是相互独立的。我在多元回归中做过一些工作，在多元回归中，多个自变量与一个因变量进行回归，但没有涉及到这种复杂的相互依赖程度。如果对所有变量进行多元回归，我的直觉是，得到的协方差矩阵将显示大多数因子具有相对较大的协方差——也就是说，它们不会相互独立地变化。为了完整性和统计确定性，这是值得做的。