回归分析的分类方法有哪些
回归分析是指?
回归分析是指?
回归分析(regression analysis)指的是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。回归分析按照涉及的变量的多少,分为一元回归和多元回归分析;按照因变量的多少,可分为简单回归分析和多重回归分析;按照自变量和因变量之间的关系类型,可分为线性回归分析和非线性回归分析。
分类数据一般用什么方法进行回归分析?
1、一元线性回归分析:
只有一个自变量X与因变量Y有关,X与Y都必须是连续型变量,因变量y或其残差必须服从正态分布。
2、多元线性回归分析
使用条件:分析多个自变量与因变量Y的关系,X与Y都必须是连续型变量,因变量y或其残差必须服从正态分布。
3、Logistic回归分析
线性回归模型要求因变量是连续的正态分布变里,且自变量和因变量呈线性关系,而Logistic回归模型对因变量的分布没有要求,一般用于因变量是离散时的情况
Logistic回归模型有条件与非条件之分:
条件Logistic回归模型和非条件Logistic回归模型的区别在于参数的估计是否用到了条件概率。
4、其他回归方法 非线性回归、有序回归、Probit回归、加权回归等
之所以有不同类型的回归分析,是由于原始分析数据X、Y变量的数据类型不同,不同类型的数据在进行回归分析时,要采用合适的回归分析类型。
打开腾讯新闻,查看更多图片 gt
线性回归分析:适用Y为定量变量、只有1个:
当回归模型中X变量只有1个,则适用简单线性回归或者一元线性回归;
当X变量有多个,则应进行多元线性回归分析。
Logistic回归,:适用Y为定类变量、只有1个:
当Y为0、1变量时(比如1为愿意和0为不愿意,1为购买和0为不购买),应进行二元logistic回归分析或二元Probit回归模型;
当Y为分类变量时,如1,2,3(比如DELL, Thinkpad,Mac),应做多分类logistic回归分析;
而Y为多类且为有序变量时,如1,2,3(比如1为不愿意,2为中立,3为愿意),可使用有序logistic回归分析。
Y为定量变量、只有多个时:
有时会将Y合并概括成1个(比如使用平均值),然后使用线性回归
如不做Y合并,可考虑使用PLS回归(此情况使用较少,PLS回归模型非常复杂)。
4
为什么使用回归分析?
看例子:
在疫情影响的经济条件下,要估计一家公司的销售额增长情况。
你有公司最新的数据,数据显示销售额增长大约是经济增长的2.5倍。使用回归分析,我们就可以根据当前和过去的信息来预测未来公司的销售情况。
由此可知,回归分析能够跟据过去与当前的销售额变量,预估公司未来的销售情况。
这是由于回归分析的结论能够:
表明自变量和因变量之间的显著关系
表明多个自变量对一个因变量的影响强度
所以在工作中,回归分析能够帮助我们比较衡量