什么是线性回归？

线性回归将该模型拟合到您的数据中：

斜率量化了直线的陡峭程度。它等于 X 每单位变化时 Y 的变化量。其单位为 Y 轴的单位除以 X 轴的单位。如果斜率为正，则随着 X 的增加，Y 随之增加；如果斜率为负，则随着 X 的增加，Y 随之减少。

Y截距是指当X等于零时，直线的Y值。它定义了直线的横坐标位置。

相关性与线性回归并非同一概念。请回顾两者的区别。

简单线性回归与多元线性回归

上文展示了简单线性回归。其中仅有一个 X 变量。相比之下，多元线性回归将 Y 定义为包含多个 X 变量的函数。更普遍地说，还存在其他类型的关系，其中多个 X 变量可用于描述单个 Y 变量。这些方法统称为多元回归（多元线性回归是多元回归的一种），您可在此处进一步了解多元回归的原理。

线性回归与逻辑回归

在简单线性回归中，因变量（Y）是连续的，这意味着它可以取任何范围的值。但在某些情况下，Y 变量可能并非连续的。例如，如果 Y 变量只能取两个值中的一个（例如，是或否、正反面、雄性或雌性小鼠等），则称为二分类变量。在这种情况下，线性回归并不适用。 此时，您不妨考虑使用逻辑回归，该方法用于建模观察到特定结果（有时称为“成功”）的概率。与线性回归类似，逻辑回归中可以包含一个或多个自变量（X）。如需了解更多信息，请阅读关于简单逻辑回归（仅含一个自变量）和多元逻辑回归（含多个自变量）的详细说明。