如果研究X对于Y的影响，Y为定量数据则可以使用线性回归分析 。
如果Y是定类数据，此时则需要使用Logit(logistic)回归分析 。Logit回归共分为三种，分别是二元Logit（Logistic）回归、多分类Logit（Logistic）回归，有序Logit（Logistic）回归（也称Oridinal回归），此三个方法的区别在于因变量Y的数据类型 。如下表：
文章插图
如果是有序Logit(logistic)回归，其因变量Y为定类且有序，即因变量的属性类别上为类别数据，但是类别之前可以对比大小，比如“不幸福，比较幸福和十分幸福”这是三种类别，但同时此三种类别可以对比大小，数字越大代表越幸福（此类数据也称有序数据） 。如果因变量为此类数据时，则需要使用有序logit回归分析 。
如果X非常多(比如超过10个)，此时可以先对定类的X与Y进行卡方分析，对定量的X与Y进行方差分析，先看有没有差异关系，将最终有差异关系的X放入有序Logit回归模型中，这样X会较少，并且X与Y均有差异关系，也更可能有影响关系，此时有序Logit回归模型的预测准确率会更高 。
【logistic回归中该怎样选择‘变量选择方法’】
推荐阅读
- 茶尺蠖第一代防治适期的回归预测
- 知否曼娘回归,分别多年她是怎么对蓉姐儿的
- dnf100级回归玩家怎么玩 100级玩家回归玩法攻略
- 在太空中该怎么吃饭
- 梦幻回归是按下线时间算的吗 没有回归礼包原因是什么
- FGO回归奖励弃坑多长时间给 FGO回归奖励弃坑多久给
- 崩坏3原神联动回归活动介绍 崩坏3原神联动回归活动是什么
- 回归直线方程介绍 回归直线方程分析
- dnf回归玩家礼盒里面有什么物品
- 出轨回归后怎么才能修复关系 出轨回归后幸福率多少