19种回归分析你知道几种？

1、19种回归分析你知道几种?展开全文只要学习过数据分析,或者对数据分析有一些简单的了解, 使用过spssaiK spss、stata这些统计分析软件,都知道有回 归分析.根据数学上的定义来看,回归分析指研究一组随机 变量(Y1 , Y2 ,Yi)和另一组(X1 , X2,Xk)变量之 间关系的统计分析方法,又称多重回归分析.通常Y1 ,Y2,Yi是因变量,XI、X2,Xk是自变量.其实说简单点就是研究 X对于Y的影响关系,这就是回归分 析.但是,这并不够呢,看下列图,总共 19种回归(其实还 有不单独列由),这如何区分,到底应该使用哪一种回归呢,这19种回归分析有啥区别呢.为什么会这如此多的回归

2、分析呢？一、首先答复下：为什么会有如此多的回归分析方法？在研究X对于Y的影响时,会区分由很多种情况,比方Y有的是定类数据,Y有的是定量数据如果不懂,可阅读根底概 念,也有可能Y有多个或者1个,同时每种回归分析还有 很多前提条件,如果不满足那么有对应的其它回归方法进行解 决.这也就解决了为什么会有如此多的回归分析方法.接下来会逐一说明这19种回归分析方法.二、回归分析按数据类型分类首先将回归分析中的Y因变量进行数据类型区分,如果是定量且 1个比方身高, 通常我们会使用线性回归, 如果Y为定类且1个比方是否 愿意购置苹果 ,此时叫logistic回归,如果Y为定量且 多个,此时应该使用 PLS回归

3、即偏最小二乘回归.线性回归再细分：如果回归模型中 X仅为1个,此时就称为 简单线性回归或者一元线性回归； 如果X有多个,此时称为 多元线性回归.Logistic回归再细分：如果 Y为两类比方0和1 比方1为 愿意和0为不愿意,1为购置和0为不购置,此时就叫二元 logistic回归；如果Y为多类比方1 ,2,3比方DELL, Thinkpad,Mac,此时就会多分类logistic回归；如果 Y为多类且有序比方1, 2, 3 比方1为不愿意,2为中立,3为愿意,此 时可以使用有序logistic回归.如果Y为两类时,有时候会 使用二元Probit回归模型.除此之外,如果Y为定量且为多个,很多时

4、候会将Y合并概 括成1个比方使用平均值,然后使用线性回归,反之可 考虑使用PLS回归但此种情况使用其实较少,PLS回归模型非常复杂.三、深入说明线性因归模型我们常见的回归分析中,线性回 归和logistic回归最为常见.也是当前研究最多,并且使用最 为普遍,以及最为人接受容易理解的研究方法.尤其是线性回归,其使用最为成熟,研究最多,而且绝大多 数生活现象均可使用线性回归进行研究,因而结合回归分析 还会多由一些回归方法；同时回归分析模型会有很多假定, 或者满足条件,如果不满足这些假定或者条件就会导致模型 使用由错,此时就有对应的其它回归模型由来解决这些问 题,因而跟着线性回归后面又由来很多的回归

5、.如下列图：线性回归是研究 X对于Y的影响,如果说有多个X,希望让 模型自动我由有意义的 X,此时就可以使用逐步回归.另外 在很一些治理类研究中会涉及到中介作用或者调节作用,此 时就可能使用到分层回归或者分组回归等.在进行线性回归分析时, 如果说模型由现共线性问题 VIF值 很大,此时就可以使用岭回归进行解决,岭回归的使用较为 广泛,其实还有Lasso回归也可以解决共线性问题,但是使 用非常少而已.如果数据中有异常值,常见的解决方法是先把异常值去除 掉,但有的时候确实无法去除掉异常值,此时可考虑使用稳 健回归分析模型.线性回归的前提是 X和Y之间有着线性关系,但有的时候X 和Y并不是线性关系,此时就有着曲线回归和非线性回归这 两种回归由来供使用,曲线回归其实质上是将曲线模型表达 式转换成线性关系表达式进行研究,而非线性回归较为复杂 当然使用也非常少,其和线性回归完全不是一回事情.以及 Poisson回归泊松回归是指 Y符合泊松分布特征时使用 的回归研究模型.四、其它除此之外,还有比方加权WLS回归等