常见的用于预测Y为分类变量的回归方法有（）
A: 伽玛回归
B: 泊松回归
C: Logistic回归
D: Probit回归
A: 伽玛回归
B: 泊松回归
C: Logistic回归
D: Probit回归
举一反三
- 以下选项中可以用于预测Y为分类变量的方法有（）o A: 伽玛回归 B: 泊松回归 C: Logistic 回归 D: Probit回归
- 以下要求因变量为定量变量的为 A: 多重线性回归 B: 二分类Logistic回归 C: 多分类Logistic回归 D: Cox回归
- 因变量为二分类变量时的回归分析是（） A: 二元logistic回归 B: 多元logistic回归 C: 有序logistic回归 D: 以上都不对
- logistic 回归也称为 logit 模型，是对分类变量进行回归分析时最为常用的一种方法。与多重线性回归类似，logistic 回归也是研究自变量对因变量影响的方法，不过这里的因变量必须是分类变量。logistic 回归适用于应变量为（ ）。 A: 正态分布资料 B: 分类变量资料 C: 一般资料 D: 数值变量资料
- 本质上泊松回归和逻辑斯谛回归都是 A: 分类方法 B: 广线线性回归 C: 排序方法 D: 模型方法