Regression Analysis

投流数据回归分析。基于日维度均值数据的OLS回归生成Excel结果文件，包括：一元回归（累积金额→支付）、二元回归（金额+数量→支付、金额+播放量→支付）、三元回归（金额+播放量+数量→支付），以及30天周期(P1-P5)的上述4种回归。使用场景：用户有带AQ(累计金额)、AR(累计短视频数量)、AS(累计短视频播放量)、AT(累计总支付金额)列的Excel数据，要求做投流回归分析并生成指定格式的Excel。

投流回归分析技能

功能说明

对投流数据执行OLS多元线性回归分析，生成严格按模板格式的Excel结果。

模板格式（24个Sheet）

类型	Sheet名称	说明
全量回归	一元-累积金额→支付	150天日度数据，Y=累计总支付金额, X=累积金额
全量回归	二元-金额+数量→支付	X1=累积金额, X2=累计短视频数量
全量回归	二元-金额+播放量→支付	X1=累积金额, X2=累计短视频播放量
全量回归	三元-金额+播放量+数量→支付	X1=累积金额, X2=累计短视频播放量, X3=累计短视频数量
周期回归	P1~P5-{模型名}	每30天为一周期，各周期做上述4种回归

每个Sheet包含：回归统计（R²、调整R²、标准误差）、ANOVA表、回归系数表（含t值、P值、95%CI）、回归方程、期间说明。格式字体颜色保留原模板。

前置条件

• Python环境：numpy, pandas, openpyxl, statsmodels, scipy
• 原始数据Excel：需包含 AQ列(累积金额/累计金额)、AR列(累计短视频数量)、AS列(累计短视频播放量)、AT列(累计总支付金额)、AN列(分区日期)
• 模板文件：技能内置 assets/template.xlsx

使用方法

python scripts/regression_analyzer.py <原始数据文件路径> [-o 输出路径] [-t 模板路径]

参数说明

参数	说明
source	（必填）原始数据Excel路径，如 投流1-5月.xlsx
-o, --output	（可选）输出文件路径，默认 投流回归结果.xlsx
-t, --template	（可选）模板文件路径，默认使用技能内置模板

示例

# 基本用法
python scripts/regression_analyzer.py 投流1-5月.xlsx

# 指定输出路径
python scripts/regression_analyzer.py 数据/投流1-5月.xlsx -o 结果/投流回归结果.xlsx

数据处理流程

1. 读取原始数据：从源Excel读取AQ、AR、AS、AT、AN列
2. 日度聚合：按分区日期(AN列)聚合，每日求和（数据为累计型指标，同一日期内多条记录需汇总）
3. 周期划分：每30天为一期(P1~P5)，对每期数据和全量数据分别做回归
4. OLS回归：对每种自变量组合执行最小二乘线性回归
5. 填充模板：打开模板文件，替换数值内容，保留原有字体/颜色/边框格式
6. 输出结果：保存为Excel文件（36个Sheet：6种模型 × 6个时段）

输入数据要求

原始Excel需包含以下列（列名不限，按列位置识别）：

列	位置	描述
AQ	43	累积金额（自变量）
AR	44	累计短视频数量（自变量）
AS	45	累计短视频播放量（自变量）
AT	46	累计总支付金额（因变量）
AN	40	分区日期（用于日度聚合）

输出文件结构

输出文件有24个Sheet，直接基于模板文件修改数值，保留模板所有格式设置。

资源文件

scripts/regression_analyzer.py

核心分析脚本，执行全部回归计算并生成Excel。

assets/template.xlsx

模板文件，含完整24个Sheet的格式。仅替换数值内容，保留原样式。