我的一个假设是变量 A 和 B 预测变量 C，所以我想进行回归分析。我对这个例子的问题：
1）我应该执行两个单独的简单线性回归还是以 A 和 B 作为预测变量的多元回归？有什么区别？（A 和 B 彼此不相关）。
2) 变量 C 与 A 和 B 的关联散点图分别看起来很随机。
因此相关性也不显着。如果我现在已经这样做了，那么进行回归分析是否仍然有意义？除了线性回归之外，使用另一种类型的回归模型会更好吗？在这种情况下，我应该在论文中报告什么？
即使变量似乎根本没有关联，我是否应该进行回归分析？
机器算法验证
回归
散点图
2022-03-29 15:07:41
1个回答
几个想法：
通常将因变量（或结果）放在纵轴上，将自变量（或预测变量）放在横轴上
如果你做两个单独的简单线性回归，你基本上是在你发布的图上拟合一条线。我同意那里看起来并不多。如果您进行单个多元线性回归，那么您正在查看 A 和 C 之间的关系，控制 B 以及 B 和 C 之间的关系，控制 A。这可能会显示您在这里没有找到的东西。
你的图有问题，因为 C 在两个图中的值非常不同，左边的一个 0，范围从 0 到 15，右边的一个，范围从 200 到 320。
其它你可能感兴趣的问题