回归的基本概念

所有模型都将因变量（Y）定义为一个或多个参数与自变量（X）[或多个自变量]的函数。

回归分析的目标是调整模型参数的值，以找到最接近数据的直线或曲线。 例如，在线性回归中，目标是找到使直线最接近数据的最佳斜率和截距值。在对标准化剂量-反应曲线进行非线性回归时，目标是调整 EC50（引发介于最小反应与最大反应之间反应的浓度）的值以及曲线的斜率。

更准确地说，回归的目标是找出最可能正确的参数值。为此，需要对数据在曲线周围的散布情况做出假设。

回归的目标

科学家使用回归分析通常有以下三个明确目标：

•将模型拟合到数据中，以获得参数的最佳拟合值，或比较不同模型的拟合效果。若此为您的目标，则必须谨慎选择模型（或两个备选模型），并关注所有结果。核心在于获得参数的最佳拟合值，因此您需要理解这些参数在科学层面的含义。

•拟合平滑曲线，以便从曲线中插值，或者绘制一条平滑曲线的图表。如果这是您的目标，您只需观察数据和曲线的图表即可进行评估。无需深入学习理论。

•进行预测。