回归概述
另请参见

回归分析用于研究响应变量与一个或多个预测变量之间的关系并为之建模。Minitab 提供下列回归过程：

· 最小二乘：在响应变量为连续变量时使用。

· 非线性回归：在无法对线性参数的关系充分建模时使用。

· 正交回归：在响应和预测变量都包含测量误差时使用。

· 偏最小二乘回归：在您的预测变量高度相关或数目超过观测值时使用。

· Logistic 回归：在响应变量为类别变量时使用。

· Poisson 回归：在相应变量对发生次数进行计数时使用。

最小二乘和 Logistic 回归方法都估计模型中的参数，以便优化模型的拟合度。最小二乘方法将最大限度地降低误差平方和以获取参数估计值，而 Minitab 的 Logistic 回归则是获取参数的极大似然估计值。有关详细信息，请参见广义线性模型概述。偏最小二乘 (PLS) 提取预测变量的线性组合以最大限度地减小预测错误。有关详细信息，请参见偏最小二乘概述。

使用下表选择一种过程：

请使用……	要...	响应类型	估计方法
回归	使用连续和类别预测变量执行简单、多重、多项式和逐步最小二乘回归。	连续	最小二乘
最佳子集	根据最大 R $image\SQUARED.gif$ 标准标识预测变量的子集	连续	最小二乘
拟合线图	进行单个预测变量的线性和多项式回归，并通过数据绘制一条回归线	连续	最小二乘
非线性回归	使用您选择的非线性函数执行简单或多元回归	连续	最小二乘
稳定性研究	分析一段时间内的产品稳定性，并确定产品的稳定期	连续	最小二乘，受限制的极大似然 (REML)
正交回归	执行具有一个响应或一个预测变量的正交回归	连续	正交
PLS	对病态数据执行回归	连续	偏倚，非最小二乘
二元 Logistic	对仅具有两个可能值（比如存在或不存在）的响应执行 Logistic 回归	类别	最大值似然
顺序 Logistic	对具有有着自然顺序的三个或更多可能值（如无、中等、严重）的响应执行 Logistic 回归	类别	最大值似然
名义 Logistic	对具有无自然顺序的三个或更多可能值（如甜、咸、酸）的响应执行 Logistic 回归	类别	最大值似然
Poisson 回归	针对为发生次数进行计数的响应执行 Poisson 回归	离散	极大似然

回归概述 另请参见