分类变量为因变量，连续变量为自变量，做逻辑回归。或者是分类变量为自变量，连续变量为因变量，而且是做线性关系，则先将分类变量设置虚拟变量，再做线性回归。
线性回归通常是人们在学习预测模型时首选的技术之一。在这种技术中，因变量是连续的，自变量可以是连续的也可以是离散的，回归线的性质是线性的。
线性回归使用最佳的拟合直线（也就是回归线）在因变量（Y）和一个或多个自变量（X）之间建立一种关系。
用一个方程式来表示它，即 Y=a+b*X + e，其中 a 表示截距，b 表示直线的斜率，e 是误差项。这个方程可以根据给定的预测变量（s）来预测目标变量的值。
扩展资料
要点：
1、自变量与因变量之间必须有线性关系。
2、多元回归存在多重共线性，自相关性和异方差性。
3、线性回归对异常值非常敏感。它会严重影响回归线，最终影响预测值。
参考资料来源：百度百科-回归分析
温馨提示：答案为网友推荐，仅供参考
相似回答