查看“回归分析”的源代码

回归分析（regression analysis），是一种建模方法，是建立因变量（或称结果变量，通常用Y表示）与一个或多个自变量（或称预测变量，通常用X表示）之前的关系模型，从而能够通过给定的自变量来估计预测因变量。

==简介==
===时间轴===


==基本概念==
{| class="wikitable"  style="width: 100%;
! 名称
! 描述
|-
|变量
|'''因变量'''（dependent variable）  <br \>'''自变量'''（independent variable）
|-
|回归模型
|
|-
|回归方程
|
|-
|一元回归分析与多元回归分析
|'''一元回归分析'''，是只包含一个自变量的回归分析。  <br \>'''多元回归分析'''（multiple regression analysis），是包含两个或两个以上自变量的回归分析。
|-
|线性回归与非线性回归
|'''线性回归'''（linear regression）是指变量之间是直线关系。 <br \>'''非线性回归'''（non-linear regression）是指变量之间是不是直线关系，而是曲线、曲面等。
|-
|简单线性回归  <br \>simple linear regression
|即一元线性回归，是只含有一个自变量，并且自变量与因变量的关系是一条近似直线的回归分析。
|-
|虚拟变量
|
|-
|逻辑回归  <br \>logistic regression
|也称'''logistic回归'''，是因变量只能取2个离散值（如成功与失败，有与没有等，一般使用0和1表示）的回归分析。
|-
|}

==分析步骤==
{| class="wikitable"  style="width: 100%;
! 序号
! 步骤
! 描述
|-
|1
|确定自变量和因变量
|'''因变量'''，就是预测目标 <br \>'''自变量'''，是与预测目标相关的因素，可通过他人研究或经验常识初步确定。
|-
|2
|确定回归模型类型
|先绘制'''散点图'''，初步判断自变量与因变量是线性关系还是非线性关系。
|-
|3
|建立回归模型
|
|-
|4
|检验回归模型
|
|-
|5
|预测
|
|}

==线性与非线性回归==



==资源==
===相关网页===
*[https://zh.wikipedia.org/wiki/回归分析 维基百科：回归分析]
*[https://desktop.arcgis.com/zh-cn/arcmap/10.3/tools/spatial-statistics-toolbox/regression-analysis-basics.htm ArcMap：回归分析基础知识]
*[https://jakevdp.github.io/PythonDataScienceHandbook/05.06-linear-regression.html Python Data Science Handbook：线性回归]

[[分类:统计学]]
[[分类:数据分析]]