关键词:线性回归 逻辑回归 回归模型评估
阅读时间:15 分钟
一、回归分析的定义与分类
回归分析的定义:
利用数据统计原理,对大量统计数据进行数学处理,并确定因变量与某些自变量的相关关系,建立一个相关性较好的回归方程(函数表达式),并加以外推,用于预测今后的因变量的变化的分析方法。
回归分析的分类:
根据自变量的个数来分类:一元回归分析,多元回归分析;
根据因变量的个数来分类:简单回归分析,多重回归分析;
根据因变量和自变量的函数表达式来分类:线性回归分析,非线性回归分析。
回归分析适用场景:
确定变量之间是否存在相关关系,若存在,则找出数学表达式;
根据一个或几个变量的值,预测或控制另一个或几个变量的值,且估计这种控制或预测可以达到何种精确度。
回归分析步骤:
根据自变量与因变量的现有数据以及关系,初步设定回归方程
求出合理的回归系数
进行相关性检验,确定相关系数
在符合相关性要求后,即可根据已得的回归方程与具体条件相结合,来确定事物的未来状况,并计算预测值的置信区间
通常情况下,线性回归分析是回归分析法中最基本的方法。当遇到非线性回归分析时,可以借助数学手段将其化为线性回归。因此,主要研究线性回归问题,一点线性回归问题得到解决,非线性回归也就迎刃而解了。
二、线性回归
1、一元线性回归</