中文
Sign in
AI tools
热门问题
时间线
聊天
Loading AI tools
全部
文章
字典
引用
地图
probit regression
来自维基百科,自由的百科全书
Found in articles
分类变量
分类变量也可以只有两种可能结果,称为二值变量或伯努利变量。由于重要性,这种情形常被视作独立分布(伯努利分布)、独立的回归模型(逻辑回归、probit
regression
(英语:
probit
regression
)等)。反之,分类变量常被用于指大于等于3种结果,或称“多值变量”(multi-way variable)。 Yates
雨宮健
1977), pp. 955-968 "The Estimation of a Simultaneous Equation Generalized
Probit
Model," Econometrica, Vol. 46, No. 5 (Sep., 1978), pp. 1193-1205 "The Estimation
迴歸分析
迴歸分析(英語:
Regression
Analysis)是一種統計學上分析數據的方法,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預測研究者感興趣的變數。更具体的来说,回归分析可以帮助人们了解在只有一个自变量变化时因变量的变化量。一般来说,通过回归分析我们可以由给出的自变量估计因变量的条件期望。
線性回歸
在统计学中,线性回归(英語:linear
regression
)是利用称为线性回归方程的最小平方函數对一个或多个自变量和因变量之间关系进行建模的一种回归分析。这种函数是一个或多个称为回归系数的模型参数的线性组合。只有一个自变量的情况称为简单回归,大于一个自变量情况的叫做多元回归(multivariable
邏輯斯諦迴歸
邏輯斯諦迴歸(英語:Logistic
regression
,又譯作邏輯斯迴歸、羅吉斯迴歸、邏輯迴歸、对数几率迴归),在统计学中是一種对数几率模型(英語:Logit model,又译作逻辑斯谛模型、评定模型、分类评定模型),是离散选择法模型之一,属于多元变量分析范畴,是社会学、生物统计学、临床、数量心