多元回归分析与logistic回归的分析的区别和联系

多元回归分析

用回归方程定量地刻画一个应变量与多个自变量间的线性依存关系,称为多元线性回归(multiple linear regression),简称多元回归(multiple regression).

logistic回归的分析

logistic回归属于概率型回归,可用来分析某类事件发生的概率与自变量之间的关系.适用于应变量为分类值的资料,特别适用于应变量为二项分类的情形.模型中的自变量可以是定性离散值,也可以是计量观测值.

多重线性回归模型可视为简单直线模型的直接推广，具有两个及两个以上自变量的线性模型即为多重线性回归模型；logistic属于概率型非线性回归，是研究二分类(可扩展到多分类)观察结果与一些影响因素之间关系的一种多变量分析方法。扩展资料

在回归分析中，如果有两个或两个以上的自变量，就称为多元回归。事实上，一种现象常常是与多个因素相联系的，由多个自变量的最优组合共同来预测或估计因变量，比只用一个自变量进行预测或估计更有效，更符合实际。因此多元线性回归比一元线性回归的实用意义更大。

logistic回归又称logistic回归分析，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。例如，探讨引发疾病的危险因素，并根据危险因素预测疾病发生的'概率等。以胃癌病情分析为例，选择两组人群，一组是胃癌组，一组是非胃癌组，两组人群必定具有不同的体征与生活方式等。因此因变量就为是否胃癌，值为“是”或“否”，自变量就可以包括很多了，如年龄、性别、饮食习惯、幽门螺杆菌感染等。自变量既可以是连续的，也可以是分类的。然后通过logistic回归分析，可以得到自变量的权重，从而可以大致了解到底哪些因素是胃癌的危险因素。同时根据该权值可以根据危险因素预测一个人患癌症的可能性。

多元逻辑回归可以用于横断面研究。

在做多元逻辑回归进行分类问题时，经常需要将某一个分类转化成vector，或者反过来的操作。

逻辑回归是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。

---