回歸模型

回歸模型

回歸模型是一種統計方法，用於探索自變量（又稱預測變量）與連續因變量之間的數量關係，從而實現數值預測。通過擬合一個函數形狀，可評估變量間的解釋程度並檢驗假設。

主要類型

• 簡單線性回歸：僅有一個自變量，假設兩者呈直線關係。
• 多元線性回歸：包含兩個以上自變量，可捕捉更複雜的交互效應。

回歸模型的估計通常使用最小平方法（OLS），其目標是最小化殘差平方和。模型好壞可透過判定系數（R²）或調整後 R² 來衡量。

實務應用

在經濟、醫學、工程等領域，回歸模型常用於需求預測、風險評估與趨勢分析。例如，使用 線性回歸 可預測產品銷售額，結合時間序列特徵則提升預測精度。

參見

• 回歸分析
• 最小平方法
• 多元回歸
• 統計学习

回歸模型的核心概念在於找出變數間的最佳擬合線或平面，使其在未觀測資料上仍具解釋力。這種方法結合簡單性與解釋性，成為資料科學中的基石工具。