本文介绍了19种不同的回归分析方法，包括线性回归、Logistic回归及其细分类型，如多元有序Logistic回归。文章讨论了各种回归模型的适用条件，如数据类型、共线性问题、非线性关系等，并提到了在不同场景下的解决方案，如岭回归、稳健回归。此外，还特别提到了Cox回归在医学研究中的应用。
只要学习过数据分析，或者对数据分析有一些简单的了解，比如使用过SPSSAU、SPSS这些统计分析软件，都知道有回归分析。按照数学上的定义来看，回归分析指研究一组随机变量(Y1 ，Y2 ，…，Yi)和另一组(X1，X2，…，Xk)变量之间关系的统计分析方法，又称多重回归分析。通常Y1，Y2，…，Yi是因变量，X1、X2，…，Xk是自变量。
其实说简单点就是研究X对于Y的影响关系，这就是回归分析。但是，这并不够呢，看下图，总共19种回归（其实还有不单独列出），这如何区分，到底应该使用哪一种回归呢，这19种回归分析有啥区别呢。为什么会这如此多的回归分析呢？
一、首先回答下：为什么会有如此多的回归分析方法？
在研究X对于Y的影响时&#x
最低0.47元/天 解锁文章
7280
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
