只是一些语义并且要清楚：

• 因变量 == 结果 == 回归公式中的“ ”，例如 y = β_0 + β_1x_1 + β_2x_2 + ... + β_kx_k$y$$y = β_0 + β_1x_1 + β_2x_2 + ... + β_kx_k$
• 自变量 == 预测变量 == 回归公式中的“ $x_k$ ”之一，例如$y = β_0 + β_1x_1 + β_2x_2 + ... + β_kx_k$

所以在大多数情况下，回归的类型取决于依赖、结果或“ $y$ ”变量的类型。例如，当因变量是连续的时使用线性回归，当因变量是具有 2 个类别的分类时使用逻辑回归，当因变量是具有超过 2 个类别的分类时使用多项回归。预测变量可以是任何东西（名义或有序分类，或连续，或混合）。

（下面的评论对你来说可能是多余的，但我还是添加了它）

但是，请注意，大多数软件都要求您将分类预测变量重新编码为二进制数字系统。这只是意味着将性别编码为女性为 0，男性为 1，反之亦然。对于超过 2 个级别的分类变量，您需要将它们重新编码为$L-1$虚拟变量，其中$L$是级别数，当这些虚拟变量属于相应类别时，它们包含 0 或 1。这样，每个人（样本）应该用 1 表示他/她所属的虚拟变量，其他人用 0 表示，或者当他/她是参考组的一部分时，所有虚拟变量都用 0 表示。