数据分析方法，寻找事物之间的因果规律-逻辑关系法（4）

逻辑关系——寻找事物之间的因果规律
系列文章总览：
7.1相关性与相关系数分析
7.2事物之间的逻辑关系与科学规律
7.3果因关系与因果关系，看不见的事物发展逻辑
7.4事物发展规律的复杂性与科学抽象
7.5因果关系与回归分析
7.6逻辑回归
7.7关联与共生——现象与规律的探寻

---

数据分析的核心目的是掌握事物的发展规律。只有掌握了事物的发展规律，我们才能更好地掌控事物，让事物按照我们预期的方向去发展。我们从数据中掌握了事物发展的规律，就可以按照这个规律来创造未来，从而让事物按照我们预期的方向发生和发展。
7.6 逻辑回归
为了让读者更容易理解，前面介绍的都是线性回归的例子，其中有一元线性回归，例如生产产值与工人数量的回归关系，就是只有一个因变量（产值）和一个自变量（工人数量）；另外也有多元线性回归（二元线性回归），例如销售额产出与电视广告和广播广告投入之间的关系。
在这些例子中，因变量和自变量都是连续的数据，虽然人数不能取小数，但也是连续的，都可以看作定比数据。但是在很多情况下，变量中会存在定类数据。例如在判断美国大选谁会当选总统，并且当选总统的概率是多少时，我们需要采用另外一种回归分析模型——逻辑回归。其本质与线性回归差异不大，但是判定的结果可能只有两个：输或者赢，是或者非。这些都是定类数据结果。最初统计学的逻辑回归是应用在医学研究领域的，判断在什么条件下发病（是或者否），而不是一个连续的变量。这就是逻辑回归与其他多元线性回归不同的地方。
在现实世界中有很多的数据都是定类数据，所以逻辑回归的应用也非常广泛，例如判定一个