相關性分析
相關性分析是指對兩個或多個具備相關性的變數元素進行分析，從而衡量兩個變數因素的相關密切程度。相關性的元素之間需要存在一定的聯絡或者概率才可以進行相關性分析。相關性不等於因果性，也不是簡單的個性化，相關性所涵蓋的範圍和領域幾乎覆蓋了我們所見到的方方面面，相關性在不同的學科裡面的定義也有很大的差異。
回歸分析
回歸分析（regression analysis）是一種統計學上分析資料的方法，主要是希望**資料之間是否有一種特定關係。回歸分析是建立因變數y（或稱依變數、原文為：response variables, dependent variables）與自變數x（或稱獨變數，原文為predictors, independent variables）之間關係的模型。復回歸（multiple regression）指的是超過乙個自變數。回歸分析的目的在於了解兩個或多個變數間是否相關、相關方向與強度，並建立數學模型以便觀察特定變數來**研究者感興趣的變數。
回歸分析（regression analysis)是確定兩種或兩種以上
變數間相互依賴的定量關係的一種統計分析方法。運用十分廣泛，回歸分析按照涉及的自變數的多少，可分為
一元回歸
分析和多元回歸
分析；按照
自變數和
因變數之間的關係型別，可分為
線性回歸
分析和非線性回歸
分析。如果在回歸分析中，只包括乙個自變數和乙個因變數，且二者的關係可用一條直線近似表示，這種回歸分析稱為一元線性回歸分析。如果回歸分析中包括兩個或兩個以上的自變數，且因變數和自變數之間是
線性關係
，則稱為
多元線性回歸
分析。
回歸分析（
英語：regression analysis）是一種
統計學上分析資料的方法，目的在於了解兩個或多個變數間是否相關、相關方向與強度，並建立數學模型以便觀察特定變數來**研究者感興趣的變數。
非線性回歸
有一類模型，其回歸引數不是線性的，也不能通過
轉換的方法將其變為線性的引數。這類模型稱為非線性回歸模型。在許多實際問題中,回歸函式往往是較複雜的非線性函式。非線性函式的求解一般可分為將非線性變換成線性和不能變換成線性兩大類。這裡主要討論可以變換為線性方程的非線性問題。
所謂回歸分析法
，是在掌握大量觀察資料的基礎上，利用
數理統計
方法建立因變數與自變數之間的回歸關係函式表示式（稱
回歸方程
式）。回歸分析中，當研究的
因果關係
只涉及因變數和乙個自變數時，
叫做一元回歸分析；當研究的因果關係涉及因變數和兩個或兩個以上自變數時，叫做
多元回歸分析
。此外，回歸分析中，又依據描述自變數與因變數之間因果關係的函式表示式是
線性的還是非線性的，分為線性回歸分析和非線性回歸分析。通常線性回歸分析法是最基本的分析方法，遇到非線性回歸問題可以借助
數學手段化為線性回歸問題處理。
對具有非線性關係的
因變數與
自變數的資料進行的
回歸分析
。處理非線性回歸的基本方法是，通過
變數變換，將非線性回歸化為
線性回歸
，然後用線性回歸方法處理。假定根據理論或經驗，已獲得輸出變數與輸入變數之間的非線性表示式，但
表示式的係數是未知的，要根據輸入輸出的n次觀察結果來確定
係數的值。按
最小二乘法
原理來求出係數值，所得到的模型為
非線性回歸模型
(nonlinear regression model)。
如果回歸模型的因變數是自變數的一次以上函式形式，回歸
規律在圖形上表現為形態各異的各種
曲線，稱為非線性回歸。
多元回歸
分析，是指分析若干個**變項和乙個效標變項間的關係。
偏回歸係數
在多元回歸
分析中，隨機因變數對各個自變數的
回歸係數
，表示各自變數對隨機變數的影響程度。 偏回歸係數是多元回歸問題出現的乙個特殊性質,如何理解、辨認和求取偏回歸係數正是本文要討論的。為了簡化問題,我們把對偏回歸係數的討論,限定為只有2個解釋變數的系統,即建立的經濟計量模型為yi=β0+β1x1i+β2x2i+ui(1) 回歸方程為^yi=^β0+^β1x1i+^β2x2i(2)式中^βi(i=0,1,2)為偏回歸係數。
logistic回歸與多重線性回歸實際上有很多相同之處，最大的區別就在於他們的因變數不同，其他的基本都差不多，正是因為如此，這兩種回歸可以歸於同乙個家族，即廣義線性模型（generalized linear model）。這一家族中的模型形式基本上都差不多，不同的就是因變數不同，如果是連續的，就是多重線性回歸，如果是二項分布，就是logistic回歸，如果是poisson分布，就是poisson回歸，如果是負二項分布，就是負二項回歸，等等。只要注意區分它們的因變數就可以了。
logistic回歸的因變數可以是二分類的，也可以是多分類的，但是二分類的更為常用，也更加容易解釋。所以實際中最為常用的就是二分類的logistic回歸。
方差分析是統計學上的乙個概念，又稱「變異數分析」或「f檢驗」，是r.a.fister發明的，用於兩個及兩個以上樣本均數差別的顯著性檢驗。 方差
或標準差
是表示一組資料的
波動性的大小的指標,
標準差是方差的
算術平方根
,因此方差
或標準差
可以判斷一組資料的穩定性:方差或標準差越大,資料越不穩定;
平均數可以反映一組資料的平均水平;眾數是一組資料中出現次數最多的數,即眾數可以反映一組資料的多數水平;
中位數是一組資料中最中間位置的數(奇數個資料時)或最中間的兩個數的平均數(偶數個資料時),所以中位數可以反映一組資料的中間位置水平.
R之基本統計分析
此部落格主要評述用於生成基本的描述性統計量和推斷統計量的r函式。library hmisc vars c mpg hp wt describe mtcars vars a describe mtcars vars 通過a 來獲取結果 a counts 1 即為觀測數量的值pastecs包中有乙個名為...
R語言的基本統計分析
描述性統計分析 利用 mtcars 資料集，我們提取出英里數 mpg 馬力 hp 車重 wt myvars c mpg hp wt head mtcars myvars mpg hp wt mazda rx4 21.0 1102.620 mazda rx4 wag 21.0 1102.875 dat...
R語言基本統計分析 抽樣
簡單隨機抽樣是指從資料總體中任意抽取指定數量的資料作為樣本，其中每個可能被抽取中的樣本概率相等。可以用r語言中的sample 函式進行隨機抽樣。抽取方法分為 重置抽樣，不重置抽樣。r語言命令為 sample x,size,replace false,prob null 其中，x為樣本資料，size為...