综上所述，我们只是举了一个非常非常2b又简单的例子来说明构建用户模型的方法，实验的样本量也很小。这个简单的例子可以说明基本方法，要真正应用到自己的case中，还需要认真研究分析。
多元回归方法分析用户模型
对于数学好的童鞋，可以给出一种多元回归统计的方法来分析我们得到的数据。这里写的并不详细，也没听提供假设检验，望高手多多指点交流。我们仅用多元回归方法来分析变量性问题的结果。
我们的例子提出了5个变量性问题，所以要回归的线性方程具有5个变量，形式如下： Y=b0+b1x1+b2x2+b3x3+b4x4+b5x5
我们的目的就是要对b0、b1、b2…b5计算出估计量。 写成矩阵的形式为Y=BX 其中Y为综合满意度数据
B是我们要估计的矩阵
使用MATLAB中的regress(y,x)可以对B进行多元回归,结果如下： (这里没有进行假设检验等，大家可以自行完善) >> y=load('C:\\Users\\ydbj0017\\Desktop\\y.txt')
y = 90 85 77 81 70 78 89 91 90 80
>> x=load('C:\\Users\\ydbj0017\\Desktop\\x.txt') x =
1 80 95 79 78 67 1 87 66 60 89 78 1 97 77 87 69 90 1 88 98 65 75 68 1 78 83 63 73 76 1 73 75 88 80 95 1 78 98 63 66 97 1 77 74 87 66 69 1 90 88 67 87 78 1 88 78 67 79 60 >> regress(y,x)
ans = %这个就是估计矩阵B 51.4213 ° -0.0868 ± 0.2210 2 0.1407 3 0.2041 ′ -0.0671 μ
b0为常数，对变量没有影响，剩余对应相应的变量问题。由此可见B2问题是全部用户对整体评价中权重最大的因素。
问卷调查与数据分析，对于创建用户模型方法
