数据分析---线性回归
来源:互联网 发布:java接口使用 编辑:程序博客网 时间:2024/05/03 19:33
经常说线性模型,线性回归模型,广义线性模型,广义线性混合模型.......之类的词好几个,搞得不好就容易混淆了。下面一起来复习下。
1、线性回归模型(也称经典线性模型classic linear model或者一般线性模型General linear model)
适用于自变量X和因变量Y为线性关系,具体来说,画出散点图可以用一条直线来近似拟合。
模型可以表达为:
模型有几个基本假设:自变量之间无多重共线性;随机误差随从0均值,同方差的正态分布;随机误差项之间无相关关系。
参数使用最小二乘法进行估计。
假设检验有两个,一个是参数的检验,使用t检验;另一个是整个模型的检验,使用F检验,在构造F统计量时,需要把模型的平方和进行分解,会使用到方差分析。
此外,判定系数R2和修正判定系数
2、线性混合模型(Linear Mixed Model)
线性模型中加入随机效应项。
模型可以表达为:
同时假定
为了使用上的麻烦,统计学家提供了几种协方差的形式供大家使用。
3、广义线性模型(Generalized Linear Model即GLM)
广义线性模型,是为了克服线性回归模型的缺点出现的,是线性回归模型的推广。
首先自变量可以是离散的,也可以是连续的。离散的可以是0-1变量,也可以是多种取值的变量。
与线性回归模型相比较,有以下推广:
(1)随机误差项不一定服从正态分布,可以服从二项、泊松、负二项、正态、伽马、逆高斯等分布,这些分布被统称为指数分布族。
(2)引入联接函数
根据不同的数据,可以自由选择不同的模型。大家比较熟悉的Logit模型就是使用Logit联接、随机误差项服从二项分布得到模型。
4、广义线性混合模型(Generalized Linear Mixed Model即GLMM)
这个也好理解,就是在GLM的基础上,加了随机效应项。
- 数据分析---线性回归
- 散点图中实现数据的线性回归分析
- 回归分析之线性回归
- [回归分析][11]--共线性数据的分析
- 使用Excel数据分析工具进行多元线性回归分析
- 一元线性回归分析
- 多元线性回归分析
- 一元线性回归分析
- 多元线性回归分析
- 一元线性回归分析
- 线性回归分析
- 线性回归分析
- 线性回归分析
- 线性回归分析
- Python机器学习与数据分析系列(2)-线性回归
- 数据挖掘-diabetes数据集分析-糖尿病病情预测_线性回归_最小平方回归
- 回归分析之线性回归(N元线性回归)
- 【python数据挖掘课程】十八.线性回归及多项式回归分析四个案例分享
- 基于httpclient网络框架库在android 6.0sdk问题的直接解决方案
- NSTimeZone (API+时区概念,GMT)
- syslog-ng配置
- 安卓新闻客户端(三) 自定义ViewPagerIndicator tab指示符
- 关于使用ssh框架时,最底层的代码
- 数据分析---线性回归
- SSH框架学习(三、在struts基础上加入spring)
- jQuery :插件开发(三)
- 获取多Mac地址问题
- 利用MediaPlayer框架进行视频播放
- 不要用子类!Swift的核心是面向协议
- Protocol Buffer技术详解
- VS2010 MFC UDP数据接收
- 04-linux中svn的安装