回归分析——逻辑回归和线性回归

线性回归

• 解释：两种或两种以上的变量相互间的依赖关系。可分为一元线性回归和多元线性回归。
• 特点：因变量是连续性变量。
• 应用场景：销售额与用户的购买频次相关。
• 实现步骤：

1. 分析变量关系，构建回归模型。
2. 估计模型系数，求解回归模型。
3. 检验整体模型，确认是否显著。（F检验：验证自变量与因变量的关系，说明回归方程是否显著。）
4. 检验模型系数，看看系数相关。（t检验：判断每个系数是否显著，一元线性回归省略）。
5. 拟合优度检验，模型解释能力（决定系数R²）。
6. 借助回归模型，进行分析预测。

逻辑回归

解释：主要是解决分类问题，因变量是分类型变量（0-1），如：客户是否购买产品，信贷客户是否会发生违约情况等。

应用场景：如客户流失与客户购买某个产品（购买/未购买）是否相关。

步骤：1、方程的显著性检验

           2、系数显著性检验

           3、拟合优度检验