回归模型

一、概述：

  1. “回归”之所以叫回归

• “回归”是由英国著名生物学家兼统计学家高尔顿(Galton)在研究人类遗传问题时提出来的。为了研究父代与子代身高的关系, 高尔顿搜集了1078对父亲及其儿子的身高数据。他发现这些数据的散点图大致呈直线状态，且发现了一个很有趣的现象—回归效应，即人类身高的分布相对稳定，不产生两极分化。（回归---返祖）

  2. 回归的概述

• 回归分析（regression analysis）是基于观测数据建立变量间适当的依赖关系，以分析数据的内在规律，并可用于预报、控制等问题，是使应用及其广泛的数据分析方法之一。

   3. 回归的研究问题

• 回归分析考虑建立可观测的因素变量  与变量  (因变量)之间的确定性或不确定性关系，即：
•                                                

•                                    

• 其中 ,  是随机变量，。
• 因变量  的变化可由两部分解释：第一，由自变量引起的变化，第二，由其他随即因素引起的变化。
• 学习得回归模型，就是要建立起适当的来解释因变量  的变化，并且要使不可解释的变化  尽可能小。

二、回归模型

（链接待补充）