回归分析中分类型变量的应用策略

在Logistic回归中，多元线性回归模型为： y = β0 + β1X1 + β2X2 + … + βpXp当y为分类变量（如发生/未发生，阳性/阴性等）时，以上模型不再适用。因此，我们用发生的概率P来代替y： P = β0 + β1X1 + β2X2 + … + βpXp

多元统计分析中的变量可分为定量变量和定性变量。 定量变量以数值形式描述研究单位的特征，如年龄、身高、体重等。 定性变量以类别形式描述研究单位的特征，分为二分类变量（如性别）和多分类变量（如血型）。

OLTP系统（即在线事务处理系统），具有实时要求，通常业务逻辑复杂，可能需要多次运算，如电子商城。此外，还有OLAP系统（即在线分析处理系统），用于系统决策，通常与数据仓库、数据分析、数据挖掘相关联。OLAP系统特点是数据量大，对实时响应要求不高，主要进行查询、统计操作。需要进行不同级别的聚合操作、在表内进行多次比较、在排序后的结果集上进行额外的过滤操作。

除了Matlab回归分析外，其他自变量的回归系数置信区间均包含零点在临界状态。这些自变量的效应将一一被移除（顺序无关）。当模型仅包含Matlab时，具体结果如下表所示：参数估计值和其置信区间为：1. 0.5162 [0.01546, 0.019], 2. -0.05469 [-0.853, 0.7436], 3. 0.6706 [-0.03795, 1.379], 4. 0.1245 [-0.462, 0.6751], 5. -0.04335 [-0.2514, 0.1647], 6. 0.1363 [-0.6958, 0.9684]。模型的RMSE为0.1125，R-square为0.9806，F值为67.29，p值为2.071e-006。

在数据挖掘中，分类属性与量化属性的关联规则分析是一项重要工作。分类属性（Categorical Attribute）和量化属性（Quantitative Attribute）的关联性研究，可以帮助揭示数据中的潜在模式和趋势，为决策提供支持。

（3）对变量y和x1、x2进行线性回归分析：假设X=[ones(13,1) x1 x2]; 利用regress函数进行拟合得到参数估计结果：b = 52.5773 1.4683 0.6623。因此，最终的回归模型为：y=52.5773+1.4683x1+0.6623x2。

分类和回归皆可预测，但分类输出类别标签（离散属性），回归输出连续属性值。举例：预测客户流失（分类），预测商场营业额（回归）。

在多元线性回归分析中，选择合适的自变量尤为关键。引入过少的自变量可能无法充分解释因变量的变化，但也不宜引入过多，以避免多重共线性问题。本讲义深入探讨了自变量选择的策略，帮助读者理解在实际应用中如何优化回归模型。

预测型数据分析：分类与逻辑回归 数据分析师培训 本课件涵盖以下内容： 分类方法概述 逻辑回归模型原理 模型建立与评估 应用案例分析