扫码加入数据分析学习群

回归分析的目标是研究因变量与引起其变化的自变量之间的函数关系。从理论上来说，每组变量（一个因变量和多个自变量）在按照算法实施计算后，都能产生一个或多个函数式（回归方程）。在系统生成回归方程后，必须考察回归方程的有效性。只有有效的回归方程，才有价值。利用有效的回归方程，人们可以基于自变量计算出因变量的值，从而可以实现预测、分析、探索等下一步活动。在回归分析中，评价回归方程的质量非常重要，借助高质量的回归方程式，可以保证研究活动的科学性和有效性。反之，如果回归方程的质量很差，则可能把研究活动引入歧途。

回归分析方法

一元线性回归分析：因变量为定距变量或高测度定序变量，自变量为定序变量或定距变量。只有一个自变量，获取自变量与因变量之间的回归方程式。

多元线性回归分析：因变量为定距变量或高测度定序变量，自变量为定序变量或定距变量，具有多个自变量，获取自变量与因变量之间的回归方程式

曲线回归分析：因变量为定距变量或高测度定序变量，自变量为定序变量或定距变量。只有单一自变量，获取自变量与因变量之间的曲线估计方程式。

二元回归分析：因变量为二分变量，自变量为定序变量或定距变量。可有多个自变量，获取自变量与因变量之间的回归方程式。