2022考研的考生们即将进入暑期强化阶段，数学作为考研中能够拉开大分差的科目，有多少考研er是因为数学与自己心仪的院校失之交臂?建议考研数学基础不好的小伙伴早点开始复习，下面小编整理了2022年考研数学概率统计数据分析方法，一起来看看吧。

　　回归分析

　　1.直线回归：如果回归分析中的残差服从正态分布(大样本时无需正态性)，残差与自变量无趋势变化，则直线回归(单个自变量的线性回归，称为简单回归)，否则应作适当的变换，使其满足上述条件。

　　2.多重线性回归：应变量(Y)为连续型变量(即计量资料)，自变量(X1，X2，…，Xp)可以为连续型变量、有序分类变量或二分类变量。如果回归分析中的残差服从正态分布(大样本时无需正态性)，残差与自变量无趋势变化，可以作多重线性回归。

　　1)观察性研究：可以用逐步线性回归寻找(拟)主要的影响因素

　　2)实验性研究：在保持主要研究因素变量(干预变量)外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用

　　3.二分类的Logistic回归：应变量为二分类变量，自变量(X1，X2，…，Xp)可以为连续型变量、有序分类变量或二分类变量。

　　1)非配对的情况：用非条件Logistic回归

　　(1)观察性研究：可以用逐步线性回归寻找(拟)主要的影响因素

　　(2)实验性研究：在保持主要研究因素变量(干预变量)外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用

　　2)配对的情况：用条件Logistic回归

　　(1)观察性研究：可以用逐步线性回归寻找(拟)主要的影响因素

　　(2)实验性研究：在保持主要研究因素变量(干预变量)外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用

　　4.有序多分类有序的Logistic回归：应变量为有序多分类变量，自变量(X1，X2，…，Xp)可以为连续型变量、有序分类变量或二分类变量。

　　1)观察性研究：可以用逐步线性回归寻找(拟)主要的影响因素

　　2)实验性研究：在保持主要研究因素变量(干预变量)外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用

　　5.无序多分类有序的Logistic回归：应变量为无序多分类变量，自变量(X1，X2，…，Xp)可以为连续型变量、有序分类变量或二分类变量。

　　1)观察性研究：可以用逐步线性回归寻找(拟)主要的影响因素

　　2)实验性研究：在保持主要研究因素变量(干预变量)外，可以适当地引入一些其它可能的混杂因素变量，以校正这些混杂因素对结果的混杂作用

　　(注：本文来自网络，如有侵权，请联系删除)