回归分析方法有哪些
回归分析方法有哪些?回归分析指的是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。那么一般回归分析的方法有哪些呢?本期艾思科蓝小编带大家认识一下。
(1)一元线性回归分析
只有一个自变量X与因变量Y有关,X与Y都必须是连续型变量,因变量y或其残差必须服从正态分布。
(2)多元线性回归分析
多元线性回归分析的使用条件:分析多个自变量与因变量Y的关系,X与Y都必须是连续型变量,因变量y或其残差必须服从正态分布 。
1)变呈筛选方式
选择最优回归方程的变里筛选法包括全横型法(CP法)、逐步回归法,向前引入法和向后剔除法
2)横型诊断方法
A、残差检验: 观测值与估计值的差值要艰从正态分布;
B、强影响点判断:寻找方式一般分为标准误差法、Mahalanobis距离法;
C 共线性诊断:诊断方式:容忍度、方差扩大因子法(又称膨胀系数VIF)、特征根判定法、条件指针CI、方差比例
处理方法:增加样本容量或选取另外的回归如主成分回归、岭回归等
(3)Logistic回归分析
线性回归模型要求因变量是连续的正态分布变里,且自变量和因变量呈线性关系,而Logistic回归模型对因变量的分布没有要求,一般用于因变量是离散时的情况。
分类:Logistic回归模型有条件与非条件之分,条件Logistic回归模型和非条件Logistic回归模型的区别在于参数的估计是否用到了条件概率。
(4)其他回归方法
非线性回归、有序回归、Probit回归、加权回归等。由于回归分析的类型较多,医学工作者在选择回归方法时,要根据数据的维数以及数据的其它基本特征来选择具体的回归类型,这对于接下来的数据分析是非常重要的。
屏幕前的各位看完这篇文章之后相信都会有自己的一些理解了,祝愿大家的学术路上都能顺顺利利。如需了解更多学术相关内容,请点击艾思科蓝关注我们吧。