概率论与数理统计是2023考研数学中相当重要的一个知识点，对于同学们来说，在基础的内容也不能放过，一定要认真对待，才能获取高分，今天新文道考研小编就给大家来分享下回归分析的方法。
回归分析：
1.直线回归：如果回归分析中的残差服从正态分布(大样本时无需正态性)，残差与自变量无趋势变化，则直线回归(单个自变量的线性回归，称为简单回归)，否则应作适当的变换，使其满足上述条件。
2.多重线性回归：应变量(Y)为连续型变量(即计量资料)，自变量(X1，X2，…，Xp)可以为连续型变量、有序分类变量或二分类变量。如果回归分析中的残差服从正态分布(大样本时无需正态性)，残差与自变量无趋势变化，可以作多重线性回归。
1)观察性研究：可以用逐步线性回归寻找(拟)主要的影响因素
2)实验性研究：在保持主要研究因素变量(干预变量)外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用
3.二分类的Logistic回归：应变量为二分类变量，自变量(X1，X2，…，Xp)可以为连续型变量、有序分类变量或二分类变量。
1)非配对的情况：用非条件Logistic回归
(1)观察性研究：可以用逐步线性回归寻找(拟)主要的影响因素
(2)实验性研究：在保持主要研究因素变量(干预变量)外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用
2)配对的情况：用条件Logistic回归
(1)观察性研究：可以用逐步线性回归寻找(拟)主要的影响因素
(2)实验性研究：在保持主要研究因素变量(干预变量)外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用
4.有序多分类有序的Logistic回归：应变量为有序多分类变量，自变量(X1，X2，…，Xp)可以为连续型变量、有序分类变量或二分类变量。
1)观察性研究：可以用逐步线性回归寻找(拟)主要的影响因素
2)实验性研究：在保持主要研究因素变量(干预变量)外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用
5.无序多分类有序的Logistic回归：应变量为无序多分类变量，自变量(X1，X2，…，Xp)可以为连续型变量、有序分类变量或二分类变量。
1)观察性研究：可以用逐步线性回归寻找(拟)主要的影响因素
2)实验性研究：在保持主要研究因素变量(干预变量)外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用
本文素材来源于网络，由武汉新文道考研进行整理，想了解更多关于考研相关资讯，敬请关注新文道考研，我们将为同学们奉上全面完整的时下考研相关资讯。
概率论与数理统计是2023考研数学中相当重要的一个知识点，对于同学们来说，在基础的内容也不能放过，一定要认真对待，才能获取高分，今天新文道考研小编就给大家来分享下回归分析的方法。
回归分析：
1.直线回归：如果回归分析中的残差服从正态分布(大样本时无需正态性)，残差与自变量无趋势变化，则直线回归(单个自变量的线性回归，称为简单回归)，否则应作适当的变换，使其满足上述条件。
2.多重线性回归：应变量(Y)为连续型变量(即计量资料)，自变量(X1，X2，…，Xp)可以为连续型变量、有序分类变量或二分类变量。如果回归分析中的残差服从正态分布(大样本时无需正态性)，残差与自变量无趋势变化，可以作多重线性回归。
1)观察性研究：可以用逐步线性回归寻找(拟)主要的影响因素
2)实验性研究：在保持主要研究因素变量(干预变量)外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用
3.二分类的Logistic回归：应变量为二分类变量，自变量(X1，X2，…，Xp)可以为连续型变量、有序分类变量或二分类变量。
1)非配对的情况：用非条件Logistic回归
(1)观察性研究：可以用逐步线性回归寻找(拟)主要的影响因素
(2)实验性研究：在保持主要研究因素变量(干预变量)外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用
2)配对的情况：用条件Logistic回归
(1)观察性研究：可以用逐步线性回归寻找(拟)主要的影响因素
(2)实验性研究：在保持主要研究因素变量(干预变量)外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用
4.有序多分类有序的Logistic回归：应变量为有序多分类变量，自变量(X1，X2，…，Xp)可以为连续型变量、有序分类变量或二分类变量。
1)观察性研究：可以用逐步线性回归寻找(拟)主要的影响因素
2)实验性研究：在保持主要研究因素变量(干预变量)外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用
5.无序多分类有序的Logistic回归：应变量为无序多分类变量，自变量(X1，X2，…，Xp)可以为连续型变量、有序分类变量或二分类变量。
1)观察性研究：可以用逐步线性回归寻找(拟)主要的影响因素
2)实验性研究：在保持主要研究因素变量(干预变量)外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用
本文素材来源于网络，由武汉新文道考研进行整理，想了解更多关于考研相关资讯，敬请关注新文道考研，我们将为同学们奉上全面完整的时下考研相关资讯。
概率论与数理统计是2023考研数学中相当重要的一个知识点，对于同学们来说，在基础的内容也不能放过，一定要认真对待，才能获取高分，今天新文道考研小编就给大家来分享下回归分析的方法。
回归分析：
1.直线回归：如果回归分析中的残差服从正态分布(大样本时无需正态性)，残差与自变量无趋势变化，则直线回归(单个自变量的线性回归，称为简单回归)，否则应作适当的变换，使其满足上述条件。
2.多重线性回归：应变量(Y)为连续型变量(即计量资料)，自变量(X1，X2，…，Xp)可以为连续型变量、有序分类变量或二分类变量。如果回归分析中的残差服从正态分布(大样本时无需正态性)，残差与自变量无趋势变化，可以作多重线性回归。
1)观察性研究：可以用逐步线性回归寻找(拟)主要的影响因素
2)实验性研究：在保持主要研究因素变量(干预变量)外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用
3.二分类的Logistic回归：应变量为二分类变量，自变量(X1，X2，…，Xp)可以为连续型变量、有序分类变量或二分类变量。
1)非配对的情况：用非条件Logistic回归
(1)观察性研究：可以用逐步线性回归寻找(拟)主要的影响因素
(2)实验性研究：在保持主要研究因素变量(干预变量)外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用
2)配对的情况：用条件Logistic回归
(1)观察性研究：可以用逐步线性回归寻找(拟)主要的影响因素
(2)实验性研究：在保持主要研究因素变量(干预变量)外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用
4.有序多分类有序的Logistic回归：应变量为有序多分类变量，自变量(X1，X2，…，Xp)可以为连续型变量、有序分类变量或二分类变量。
1)观察性研究：可以用逐步线性回归寻找(拟)主要的影响因素
2)实验性研究：在保持主要研究因素变量(干预变量)外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用
5.无序多分类有序的Logistic回归：应变量为无序多分类变量，自变量(X1，X2，…，Xp)可以为连续型变量、有序分类变量或二分类变量。
1)观察性研究：可以用逐步线性回归寻找(拟)主要的影响因素
2)实验性研究：在保持主要研究因素变量(干预变量)外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用
本文素材来源于网络，由武汉新文道考研进行整理，想了解更多关于考研相关资讯，敬请关注新文道考研，我们将为同学们奉上全面完整的时下考研相关资讯。
概率论与数理统计是2023考研数学中相当重要的一个知识点，对于同学们来说，在基础的内容也不能放过，一定要认真对待，才能获取高分，今天新文道考研小编就给大家来分享下回归分析的方法。
回归分析：
1.直线回归：如果回归分析中的残差服从正态分布(大样本时无需正态性)，残差与自变量无趋势变化，则直线回归(单个自变量的线性回归，称为简单回归)，否则应作适当的变换，使其满足上述条件。
2.多重线性回归：应变量(Y)为连续型变量(即计量资料)，自变量(X1，X2，…，Xp)可以为连续型变量、有序分类变量或二分类变量。如果回归分析中的残差服从正态分布(大样本时无需正态性)，残差与自变量无趋势变化，可以作多重线性回归。
1)观察性研究：可以用逐步线性回归寻找(拟)主要的影响因素
2)实验性研究：在保持主要研究因素变量(干预变量)外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用
3.二分类的Logistic回归：应变量为二分类变量，自变量(X1，X2，…，Xp)可以为连续型变量、有序分类变量或二分类变量。
1)非配对的情况：用非条件Logistic回归
(1)观察性研究：可以用逐步线性回归寻找(拟)主要的影响因素
(2)实验性研究：在保持主要研究因素变量(干预变量)外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用
2)配对的情况：用条件Logistic回归
(1)观察性研究：可以用逐步线性回归寻找(拟)主要的影响因素
(2)实验性研究：在保持主要研究因素变量(干预变量)外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用
4.有序多分类有序的Logistic回归：应变量为有序多分类变量，自变量(X1，X2，…，Xp)可以为连续型变量、有序分类变量或二分类变量。
1)观察性研究：可以用逐步线性回归寻找(拟)主要的影响因素
2)实验性研究：在保持主要研究因素变量(干预变量)外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用
5.无序多分类有序的Logistic回归：应变量为无序多分类变量，自变量(X1，X2，…，Xp)可以为连续型变量、有序分类变量或二分类变量。
1)观察性研究：可以用逐步线性回归寻找(拟)主要的影响因素
2)实验性研究：在保持主要研究因素变量(干预变量)外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用
本文素材来源于网络，由武汉新文道考研进行整理，想了解更多关于考研相关资讯，敬请关注新文道考研，我们将为同学们奉上全面完整的时下考研相关资讯。
