迴歸分析
维基百科，自由的百科全书
迴歸分析（英语：Regression Analysis）是一種統計學上分析數據的方法，目的在於了解兩個或多個變數間是否相關、相關方向與強度，並建立數學模型以便觀察特定變數來預測研究者感興趣的變數。
迴歸分析是建立因變數
（或稱依變數，反應變數）與自變數
（或稱獨變數，解釋變數）之間關係的模型。簡單線性回歸使用一個自變量，複迴歸使用超過一個自變量（
）。
目录 |
起源 [编辑]
「迴歸」（或作「回歸」）一詞最早由法蘭西斯·高爾頓（Francis Galton）所使用。他曾對親子間的身高做研究，發現父母的身高雖然會遺傳給子女，但子女的身高卻有逐漸「回歸到中等（即人的平均值）」的現象。不過當時的迴歸和現在的迴歸在意義上已不盡相同。
回歸分析原理 [编辑]
- 目的在於找出一條最能夠代表所有觀測資料的函數（迴歸估計式）。
- 用此函數代表因變數和自變數之間的關係。
參數估計 [编辑]
- 動差法（Method of Moment、MOM）
- 最小二乘法（Ordinary least square estimation, OLSE）
- 极大似然法（Maximum likelihood estimation, MLE）
- 機率圖法（Probability Plot Method）
回归模型 [编辑]
回归模型主要包括以下变量：
- 未知参数β，可以是标量或向量
- 自变量X
- 因变量Y
回归模型将Y和一个关于X和β的函数关联起来。
回歸分析的種類 [编辑]
簡單線性回歸 [编辑]
簡單線性回歸（英语：simple linear regression）
- 應用時機
- 以單一變數預測
- 判斷兩變數之間相關的方向和程度
複回歸（或多變量回歸） [编辑]
複回歸分析（英语：multiple regression analysis）是簡單線性回歸的一種延伸應用，用以瞭解一個依變項與兩組以上自變項的函數關係。
對數線性回歸 [编辑]
對數線性回歸（英语：Log-linear model），是將解釋變項（實驗設計中的自變項）和反應變項（實驗設計中的依變項）都取對數值之後再進行線性回歸，所以依據解釋變項的數量，可能是對數簡單線性回歸，也可能是對數複回歸。
非線性回歸 [编辑]
邏輯回歸 [编辑]
邏輯回歸（英语：Logistic Regression）
