摘要：
一、概念多重线性回归模型：应变量为区间（定量）变量，且理论上要求其服从正态分布等LINE（线性、独立、正态、等方差）假定条件。Logistic回归：与多重线性回归类似，区别在于：应变量的类型不同，通过一组预报变量（自变量），采用Logistic回归，可以预测一个分类变量每一类发生的概率。应变量为分类变量，预报变量可以是区间变量、分类变量或区间和分类变量的混合。如果自变量均为区间变量也可以采用判别分析等方法进行分析。分类变量分为：有序分类变量（即有序多项分类变量）和无序分类变量(也称为名义变量)。无序分类变量分为二项分类变量和无序多项分类变量。例子：有效和无效（二项分类变量），很不满意、不满意、 阅读全文
摘要：
一、主成分分析的几何意义(降维)： 假定数据点是六维的；也就是说，每个观测值是 6 维空间中的一个点。我们希望把 6 维空间用低维空间表示。 先假定只有二维，即只有两个变量，它们由横坐标和纵坐标所代表；因此每个观测值都有相应于这两个坐标轴的两个坐标值；如果这些数据形成一个椭圆形状的点阵（这在变量的二维正态的假定下是可能的），那么这个椭圆有一个长轴和一个短轴。在短轴方向上，数据变化很少；在极端的情况，短轴如果退化成一点，那只有在长轴的方向才能够解释这些点的变化了；这样，由二维到一维的降维就自然完成了。 当坐标轴和椭圆的长短轴平行，那么代表长轴的变量就描述了数据的主要变化，而代表短轴的变量就... 阅读全文