回归分析(regression analysis)是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。运用十分广泛,下列表格向我们展示了回归的不同类型以及其用途。本章为R语言回归分析之上部分,主要向读者们展示如何运用R语言完成ols(普通最小二乘)回归:简单线性回归、多项式回归、多元线性回归的语言编程示例,以及检验回归分析中统计假设的方法。
回归类型 | 用途 |
简单线性 | 用一个量化的解释变量来预测一个量化的响应变量(一个因变量、一个自变量) |
多项式 | 一个量化的解释变量预测一个量化的响应变量,模型的关系是n阶多项式(一个预测变量,但同时包含变量的幂) |
多元线性 | 用两个或多个量化的解释变量预测一个量化的响应变量(不止一个预测变量) |
多变量 | 用一个或多个解释变量预测多个响应变量 |
Logistic | 用一个或多个解释变量预测一个类别型变量 |
泊松 | 用一个或多个解释变量预测一个代表频数的响应变量 |
Cox比例风险 | 用一个或多个解释变量预测一个事件(死亡、失败或旧病复发)发生的时间序列对误差项相关的时间序列数据建模 |
非线性 | 用一个或多个量化的解释变量预测一个量化的响应变量,不过模型是非线性的 |
非参数 | 用一个或多个量化的解释变量预测一个量化的响应变量,模型的形式源 自数据形式,不事先设定 |
基础回顾
<