数据分析教程回归分析方法详解

开课吧小一2021-05-12 16:17

一般来说数据分析师如果能够掌握良好的分析方法,那么则可以获得具有价值的结论。为了能够做好分析方法的选择,需要对数据分析方法进行了解。

数据分析教程回归分析方法详解

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。

多元线性回归分析: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:

残差检验:观测值与估计值的差值要艰从正态分布。

强影响点判断:寻找方式一般分为标准误差法、Mahalanobis距离法。

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。

数据分析教程回归分析方法详解

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。

其他回归方法。非线性回归、有序回归、Probit回归、加权回归等

以上就是小编为大家整理的“数据分析教程回归分析方法详解”一文,更多相关信息尽在开课吧数据分析教程频道。

相关推荐:

每个人都应该学的AI第一课,你值得拥有!

人工智能必读书单,已准备就绪

2021大厂高频面试题精选,Java面试有它就好!

有用
分享