R語言——回歸分析

一：回歸的類型

簡單線性：用一個量化的解釋變數預測一個量化的相應變數

多項式：用一個來量化的解釋變數預測一個量化的相應變數，模型的關係是n階多項式

多層：用擁有等級結構的數據預測一個響應變數（例如學校中教室里的學生）。也被稱為分層模型，嵌套模型或混合模型

多元線性：用兩個或多個量化的解釋變數預測一個量化的 響應變數

多變數：用一個或多個解釋變數預測多個相應變數

Logistic：用一個或多個解釋變數預測一個類別型響應變數

泊松：用一個或多個解釋變數預測一個代表頻率的響應變數

Cox比例風險：用一個或多個解釋變數預測一個時間發生的時間

時間序列：對誤差項相關的時間序列數據建模

非線性：用一個或多個解釋變數預測一個類別型響應變數，不過模型是非線性的

非參數：用一個或多個解釋變數預測一個類別型響應變數，模型的形式源數據形式，不事先設定

穩健：用一個或多個解釋變數預測一個類別型響應變數，能抵禦強影響點的干擾

l二：OLS回歸

OLS回歸是通過預測變數的加權和來預測量化的因變數，其中權重是通過數據估計而得以的參數。使殘差平方和最小

為能夠恰當地解釋OLS模型的係數，數據必須滿足以下統計假設：

（1）正態性對於固定的自變數，因變數值成正態分布

（2）獨立性 Yi值之間相互獨立

（3）線性

（4）同方差性因變數的方差不隨自變數的水平不同而變化，即不變方差或同方差性

三： 用lm（）擬合回歸模型

擬合線性模型最基本的函數就是lm（），格式為：

myfit<-lm(formula,data)

formula指要擬合的模型形式，data是一個數據框，包含了用於擬合模型的數據

formula形式如下：Y~X1+X2+……+Xk （~左邊為響應變數，右邊為各個預測變數，預測變數之間用+符號分隔）

以上為r語言回歸的基本理論，下篇文章，為大家提供實戰的「簡單新型回歸」「多項式回歸」有疑問歡迎留言~~