logistic回归基本理论

多重线性回归与Logistic回归详解

最新推荐文章于 2023-12-04 20:12:51 发布

转载最新推荐文章于 2023-12-04 20:12:51 发布 · 191 阅读

文章标签：

#数据结构与算法

本文深入探讨了多重线性回归模型与Logistic回归的区别与应用，包括应变量类型、预报变量类型及分类变量的分类方式，并提供了实例说明。

一、概念

多重线性回归模型：应变量为区间（定量）变量，且理论上要求其服从正态分布等LINE（线性、独立、正态、等方差）假定条件。

Logistic回归：与多重线性回归类似，区别在于：应变量的类型不同，通过一组预报变量（自变量），采用Logistic回归，可以预测一个分类变量每一类发生的概率。应变量为分类变量，预报变量可以是区间变量、分类变量或区间和分类变量的混合。如果自变量均为区间变量也可以采用判别分析等方法进行分析。

分类变量分为：有序分类变量（即有序多项分类变量）和无序分类变量(也称为名义变量)。无序分类变量分为二项分类变量和无序多项分类变量。

例子：有效和无效（二项分类变量），很不满意、不满意、满意、很满意（有序多项分类变量），索尼、诺基亚、苹果、三星（无序多项分类变量）。