回归分析是通过建立模型来研究变量之间相互关系的密切程度,以及进行模型预测的一种有效工具。
常见的回归模型如下:
名称 | 适用条件 |
---|---|
线性回归 | 因变量与自变量是线性关系 |
非线性回归 | 因变量与自变量不都是线性关系 |
Logistic回归 | 因变量一般有1和0两种取值,也有多分类的情况 |
岭回归 | 自变量之间具有多重共线性 |
下面介绍常用的二分类Logistic回归。
逻辑回归(Logistic回归)模型的建模步骤如下:
1、根据分析目的,设置指标变量(因变量和自变量),然后收集数据。
2、建立模型。
y取1的概率是,取0的概率是1-p。用
和自变量列出线性回归方程,估计模型中的回归系数。
3、模型检验。
可以采用逐步回归法,首先剔除最不显著的自变量,重新构造回归方程,直到模型