浅尝辄止_数学建模（笔记_回归分析的基本介绍）

回归分析

1.基本介绍

 回归分析是数据分析中最基础，也是最重要的分析工具。绝大多数的数据分析问题，都可以使用回归的思想来解决。回归分析的任务就是，通过研究自变量X和因变量Y的相关关系，尝试去解释Y的形成机制，进而达到通过X去预测Y的目的。

---

2.常见的类别

1. 线性回归
2. 0-1回归
3. 定序回归
4. 计数回归
5. 生存回归

类型	模型	Y的特点	例子
线性回归	OLS，GLS（最小二乘）	连续数值型变量	GDP，产量，收入
0-1回归	logistic回归	二值变量（0-1）	是否违约、是否得病
定序回归	probit定序回归	定序变量	等级评定（优凉差）
计数回归	泊松回归（泊松分布）	计数变量	每分钟车流量
生存回归	Cox等比例风险回归	生存变量（截断数据）	企业、产品的寿命

---

3.回归分析的使命

• 识别重要变量：哪些X变量是同Y真的相关，哪些不是。统计学中有专门的领域，名为“变量选择”。
• 判断相关性的方向：自变量X与因变量Y之间是正相关还是负相关。
• 估计权重（回归系数）：回归分析赋予不同自变量X不同的权重，也就是不同的回归系数，进而了解不同变量之间的相对重要性。

---

4.变量数据

4.1.数据的分类

1. 横截面数据：在某一时点收集的不同对象的数据
2. 时间序列数据：对同一个对象在不同时间连续观察取得的数据
3. 面板数据：横截面数据与时间序列数据综合起来的一种数据资源

4.2.不同数据的处理方式

数据类型	常见建模方法
横截面数据	多元线性回归
时间序列数据	AR、MA、ARMA、ARIMA、ARCH、GARCH、VAR
面板数据	固定效应和随机效应、静态面板和动态面板

4.3.数据的收集

1. 宏观数据：【简道云汇总】110+数据网站
2. 宏观数据：虫部落数据搜索
3. 宏观数据：【汇总】数据来源/大数据平台
4. 宏观数据：大数据导航
5. 微观数据：人大经济论坛
6. 爬虫：Python等软件爬取/傻瓜式软件爬取（Bilibili）