19种回归分析你知道几种？展开全文只要学习过数据分析，或者对数据分析有一些简单的了解，使用过spssau、spss、stata这些统计分析软件，都知道有回归分析。
按照数学上的定义来看，回归分析指研究一组随机变量(Y1 ，Y2 ，…，Yi)和另一组(X1，X2，…，Xk)变量之间关系的统计分析方法，又称多重回归分析。
通常Y1，Y2，…，Yi是因变量，X1、X2，…，Xk是自变量。
其实说简单点就是研究X对于Y的影响关系，这就是回归分析。
但是，这并不够呢，看下图，总共19种回归（其实还有不单独列出），这如何区分，到底应该使用哪一种回归呢，这19种回归分析有啥区别呢。
为什么会这如此多的回归分析呢？一、首先回答下：为什么会有如此多的回归分析方法？在研究X对于Y的影响时，会区分出很多种情况，比如Y有的是定类数据，Y有的是定量数据（如果不懂，可阅读基础概念），也有可能Y有多个或者1个，同时每种回归分析还有很多前提条件，如果不满足则有对应的其它回归方法进行解决。
这也就解决了为什么会有如此多的回归分析方法。
接下来会逐一说明这19种回归分析方法。
二、回归分析按数据类型分类首先将回归分析中的Y（因变量）进行数据类型区分，如果是定量且1个（比如身高），通常我们会使用线性回归，如果Y为定类且1个（比如是否愿意购买苹果手机），此时叫logistic回归，如果Y为定量且多个，此时应该使用PLS回归（即偏最小二乘回归）。
线性回归再细分：如果回归模型中X仅为1个，此时就称为简单线性回归或者一元线性回归；如果X有多个，此时称为多元线性回归。
Logistic回归再细分：如果Y为两类比如0和1（比如1为愿意和0为不愿意，1为购买和0为不购买），此时就叫二元logistic回归；如果Y为多类比如1，2，3（比如DELL, Thinkpad,Mac）,此时就会多分类logistic回归；如果Y为多类且有序比如1，2，3（比如1为不愿意，2为中立，3为愿意），此时可以使用有序logistic回归。
