R语言回归分析

2024-06-01 19:11| 来源: 网络整理| 查看: 265

1.回归的多面性

回归类型用途简单线性个量化的解释变量来预测一个量化的响应变量（一个因变量、一个自变量）多项式一个量化的解释变量预测一个量化的响应变量，模型的关系是 n阶多项式（一个预测变量，但同时包含变量的幂）多元线性用两个或多个量化的解释变量预测一个量化的响应变量（不止一个预测变量）多变量用一个或多个解释变量预测多个响应变量Logistic用一个或多个解释变量预测一个类别型变量泊松用一个或多个解释变量预测一个代表频数的响应变量Cox比例风险

用一个或多个解释变量预测一个事件（死亡、失败或旧病复发）发生的时间

时间序列对误差项相关的时间序列数据建模

非线性用一个或多个量化的解释变量预测一个量化的响应变量，不过模型是非线性的非参数用一个或多个量化的解释变量预测一个量化的响应变量，模型的形式源自数据形式，不事先设定稳健用一个或多个量化的解释变量预测一个量化的响应变量，能抵御强影响点的干扰

2.OLS回归

OLS回归是通过预测变量的加权和来预测量化的因变量，其中权重是通过数据估计而得以的参数。

使残差平方和最小

为能够恰当地解释OLS模型的系数，数据必须满足以下统计假设：

（1）正态性对于固定的自变量，因变量值成正态分布

（2）独立性 Yi值之间相互独立

（3）线性因变量与自变量之间为线性相关

（4）同方差性因变量的方差不随自变量的水平不同而变化，即不变方差或同方差性

3. 用lm（）拟合回归模型

拟合线性模型最基本的函数就是lm（），格式为：

myfit

【本文地址】

公司简介

联系我们