回归方法的分析思路冯国双回归家族 线性回归 Logistic回归 Poisson回归 负二项回归 Weibull回归 Cox回归 分位数回归 Tobit回归 研究目的 比较组间差异 寻找危险因素 数据分类 发展趋势预测 数据类型/ 分布 线性回归 Logistic回归 Poisson回归 Cox回归 Tobit回归 Weibull回归 Gamma回归 因变量为连续资料因变量为分类资料因变量为计数资料因变量为生存资料因变量为截取资料服从Weibull分布服从gamma分布应用条件检查 线性回归： 线性（linearity） 可简单通过绘制散点图来观察 独立性（independent） 通常可根据专业知识来判断 正态性（normality） 可绘制残差的正态概率图，或对残差进行正态性检验 等方差性（equal variance） 可通过绘制残差与因变量预测值的散点图来观察应用条件检查 Logistic回归 独立性 线性：logit P与自变量满足线性 有序logistic回归/累积比数logit模型 需满足比例优势假定条件（Proportional odds assumption）应用条件
