GraphPad Prism 统计教程：简单线性回归原理

 

1. 线性回归的目标是什么？

2. 其计算原理是什么？

3. 经常会混淆线性回归和相关性，它们有什么不同？

4. 线性回归只是非线性回归的特例，它们有什么不同？

5. 线性回归有时用于转换的数据，以分析Scatchard、Lineweaver-Burke和类似曲线图，为什么这不是用于分析数据的良好方法？

 

 

No.1

线性回归的目标

 

 

1. 什么是线性回归？

线性回归使用该模型拟合数据：

斜率量化了这条线的陡度。其等于X的每单位变化对应的Y的变化，以Y轴的单位除以X轴的单位来表示。如果斜率为正，则Y随着X的增加而增加。如果斜率为负，则Y随着X的增加而减小。X=0时，Y截距是直线的Y值。其定义了线的高程。

注：“线性回归”不同于“相关性”。线性回归能够找出根据X预测Y的最佳直线，而相关性不能拟合通过数据点的直线。

 

文章剩余内容<<<<