有联系的事物之间存在着特定的關系将事物抽象为变量，即变量之间存在着特定的关系回归（regression）方法就是建立变量之间相互关系模型的数学方法。具体点说在回归Φ，假定因变量Y和自变量X之间的模型然后计算模型中的系数。
1.按照因变量个数、模型类型可分为
①一元线性；②一元非线性；③多元線性；④多元非线性。
- 逐步回归：回归过程中可以调整变量数；
- Logistic回归：以指数结构函数作为回归模型
一个自变量x和因变量Y的线性关系模型：
Y——因变量，x——自变量β0、β1 ——未知参数，称回归系数ε ——随机误差，
如何建立怎么用回归方程预测分二步：
①确定能否建立线性回归模型；
②确定如何对模型中未知参数β0、β1 进行评估。
⑴对总体(x,Y)进行n次独立观测获得n组观测值：
⑵在直角坐标系中画出觀测值对应的点(xi,yi) 的散点图。
如果这些点大致位于同一条直线附近则认为Y与x之间存在线性关系。
⑶利用最小二乘法得到 的最小二乘估计 估计公式为
SSE表征y的估计值与实际值的偏差程度。
SST表征y与y平均值的偏差程度
SSR表征两种偏差之间的差值。
, 大说明SSE相对SST小，表示总体上看yi與 比较靠近，验证模型可靠
S值越小，说明SSE越小经验模型与实际越接近。
通过R、S和F的值判断模型是否具有良好线性关系。
⑸确定最精確的一元线性回归模型并可以利用该模型对Y进行预测。
①对于曲线回归建模的目标函数 通过中间变换
使目标函数线性化，化为一元线性函数 形式
②利用最小二乘估计法估计出参数a和b，用
描述v与u之间的统计规律
还原为目标函数形式的非线性怎么用回归方程预测。
⑵常見的非线性回归模型
这些常见模型常作为非线性回归拟合的参考模型
如何使用这些常见的非线性回归模型：
- 首先，根据实例中的变量趋勢结合常见的非线性函数的图像，大概可以判断实例属于哪种非线性关系（实际这几种函数图形比较接近，使用时可能都要试一下）
- 嘫后根据选择好的函数形式，利用中间变换进行非线性拟合。
- 最后从几个可能的拟合结果中，根据回归效果评价准则选择最好的囙归结果。
如需技术探讨或业务合作可添加本人微信号：tuxinbang。
