多重线性回归、logistic回归与Cox回归是回归分析中最为常见的三类，三者有差异也有共同之处。
当结局变量为连续型资料时可以考虑多重线性回归，当结局变量为分类资料时可以考虑logistic回归，而结局变量是生存时间和二分类资料时则考虑Cox回归。三种回归一般用于多个解释变量（自变量或协变量）时，实际上是多因素分析的模型。当解释变量只有一个或者根据实际的数据类时，这些分析有时候常简化为更为简单更为直接的分析形式。比如因变量为连续型资料，解释变量只有一个且为分类变量，可以采用线性回归吗？当然可以！但更多的时候，我们会直接考虑采用t检验或者方差分析，条件不满足时改用非参数检验。上图出自JMP教程
多重线性回归在很多教材上被称为多元线性回归，严格来说多元线性回归的叫法并不合适，而多重或者多因素线性回归更合适。多重、多因素一般指多个解释变量（自变量或协变量），英文中一般用Multiple表示；而多元、多变量更多的时候表示多个结局变量（因变量，应变量），英文中一般用Multivariate表示。对应的一个因变量称为Univariate。多重线性回归、logistic回归与Cox回归分析比较孙振球等主编.《医学统计学》第三版
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报。
