Please enable JavaScript to view this site.

正如这一部分多元回归原理所述,多元线性回归、多元逻辑回归和泊松回归均属于相关建模技术。在这三种情况中的每一种,您既可能具有一个或多个自变量(X)(还可称为预测变量),也可能具有一个因变量(Y)(还可称为反应变量或结果变量)。尽管这三种方法相似,但选择哪一种回归方法很容易;这取决于您正在建模的因变量(Y)类型。

Y表示连续使用时多元线性回归

Y表示计数数据(0,1,2,...)使用时 泊松回归。在Prism中,这是多元线性回归分析中的一个选项。

Y表示二进制(是/否、存在/缺少等)使用时多元逻辑回归

这些建模类型的具有自然的复杂性层次。如果您不熟悉回归建模,则我们建议首选学习简单线性回归。简单线性回归包括一些直观扩展:非线性回归和多元线性回归是其中两种。相反,在Prism中,多元线性回归具有两个可用的扩展:多元逻辑回归和泊松回归。最终,如上所述,多元逻辑回归包括将模型拟合到一组多个自变量中。然而,如果您只有一个自变量,则该方法可简化为简单逻辑回归(类似于简单线性回归和多元线性回归的关系)。通过这种方式,简单逻辑回归还可视为简单线性回归的扩展。

如果这一切听起来有点压倒性,但没关系。您可在本指南回归原理(链接)部分,阅读更多关于每种多元回归方法的信息,或可继续阅读下文任何链接,了解更多关于如何在Prism中执行每种方法的信息。

 

© 1995-2019 GraphPad Software, LLC. All rights reserved.