回归XY
相关性
回归分析给不了因果因此，用回归去研究相关关系
Y变量
Y是什么？俗称因变量。取义，因为别人的改变，而改变的变量。在实际应用中，Y刻画的是业务的核心诉求，是科学研究的关键问题。[王汉生](https://mp.weixin.qq.com/s?__biz=MzA5MjEyMTYwMg==&mid=2650236514&idx=1&sn=ad7b2be0004c5eb98c7e2ca89cd50bba&scene=21#wechat_redirect
例1，对于征信而言，业务的核心指标是什么？就是隔壁老王找我借钱，最后他呢，是还呢还是不还？如果还，我们定义老王的Y=0，这说明老王是好人。如果不还，我们定义老王的Y=1，这说明老王是坏蛋。这就是征信的核心业务诉求，这就是因变量Y。在这个情况下，因变量是一个取值为0-1的变量，俗称0-1变量。这是例1。
同理在连续问题中，y是一系列连续的取值
X变量
X是什么？X就是用来解释Y的相关变量。可以是一个，也可以是很多个。我们通常把X称作：解释性变量。而回归分析的任务就是，通过研究X和Y的相关关系，尝试去解释Y的形成机制，进而达到通过X去预测Y的目的。[王汉生](https://mp.weixin.qq.com/s?__biz=MzA5MjEyMTYwMg==&mid=2650236514&idx=1&sn=ad7b2be0004c5eb98c7e2ca89cd50bba&scene=21#wechat_redirect）
举个作者提到的例子
对于征信而言，我们已经讨论过了，Y＝0或者1，表示隔壁老王是否还钱，这是我业务的核心指标。当老王找我借钱的那个时刻，我并不知道老王是否将来会还钱，也就是说呀，我不知道老王的Y呢。怎么办？我只能通过当时能够看得到的，关于老王的X，去预测老王的Y。这种预测是否会100%的准确？答：基本上不可能。但是，希望能够做的比拍脑袋更准。这是非常有可能的。为此，我们需要寻找优质的X。寻找过程如下：
假设，老王想找我借1万块钱现金，我得想想，他会还吗？此时，如果我知道他家有一个大大的house，价值几千万，我大概就不怎么担心你不还钱了。因为你不还钱，我就去你家收房子，这可比1万块钱值得多了去了。这说明什么？这说明充足的实物资产，尤其是可以抵押的实物资产，是有可能极大的影响一个人的还钱行为。如果这个业务分析是正确的，那么我们可以定义很多X，用于描述老王的财产情况。例如：X1表示你是否有房本儿；X2表示你是否有车本儿；X3表示你是否有黄金首饰可以抵押，等等。类似的，我们可以定很多X，都围绕着老王的实物资产打转。
除了实物资产以外，老王还有哪些特征，有可能影响他的还钱行为呢？我们再想，如果老王工资月入十万，那还款一万块钱，不是小菜一碟吗？相反，如果老王月入一千，估计吃饭都有问题，哪来的钱还？这说明什么？这说明老王的收入，可能同他的还款行为有相关关系。那么，我们是否可以构造一系列的X，用于描述老王的收入情况？例如，我们可以重新定义X1是老王的工资收入；X2是老王的股票收入；X3是老王太太的收入（老王没钱，太太有钱也可以的），等等。于是，朴素的业务直觉，又引导我们产生了一堆新的X变量，他们都围绕着老王的收入打转。
除了实物资产、收入以外，老王还有啥值钱的呀？有啊，老王有自己在社交圈中的尊严。就像电影老炮里面的顽主六爷那样，面子老大了，不会为了万把块钱，去赖帐，然后让街坊邻居、同事朋友都笑话，丢不起那人。如果，老王是一个这样的人，那他的还款意愿会很强烈。这个朴素的业务直觉说明什么？说明一个人的社交圈，他的社交资产是可以影响到他的还款行为的。如果这个直觉是对的，那么哪些指标会刻画一个人的社交资产呢？为此又可以头脑风暴一把，产生好多有趣的变量出来。例如，这一次我们定义X1是老王的微信好友个数；X2是微博好友个数；X3是电话本上的好友个数；X4是QQ好友个数，等等。我们可以生成一堆新的X变量，他们都围绕着老王的社交资产打转。
以上就是一些关于X的讨论。
因此需要验证的几个问题:
回归分析要去识别并判断：哪些X变量是同Y真的相关，哪些不是。
去除了那些同Y不相关的X变量，那么剩下的，就都是重要的、有用的X变量了。接下来回归分析要回答的问题是：这些有用的X变量同Y的相关关系是正的呢，还是负的？
在确定了重要的X变量的前提下，我们还想赋予不同X不同的权重，也就是不同的回归系数，进而我们可以知道不同变量之间的相对重要性。
第一、识别重要变量；
第二、判断相关性的方向；
第三、要估计权重（回归系数）。
回归武林秘籍
这些个回归的定义，仔细看就是根据因变量的类型
线性回归
普通线性回归的主要特征就是：它的因变量必须是连续型数据。什么是连续型数据呀？简单通俗的讲，就是得是连续的。例如：身高、体重、价格、温度都是典型的连续型数据。但是，在实际工作中，由于所有的计算机，实际上都只能存储有限位有效数字，因此，在真实的数据江湖里，不存在严格的连续数据，只有近似的。回归五式
举例子:客户终身价值。
这里的因变量Y是一个目标客户，从现在开始，到未来无限远时间，所能够给企业创造的收入，经过一定的利率折现到现在的价值。如果我们能够建立Y和一系列X的相关关系，例如X可以是这些消费者的人口统计特征以及过去的消费记录，我就可以通过X去预测Y。这样可以帮助我们识别潜在的高价值客户。回归五式
简单总结一下：线性回归模型，就是一个数学上可以表达为： Y = beta0 + beta1X1 + beta2X2 + ... + betap*Xp + epsilon的模型。其分析主要围绕着各个beta系数，以及epsilon的方差展开。线性回归
斜率和截距这个比较好理解，主要还是理解一下eposion
这个模型还涉及到一个看不见摸不着的epsilon。
请大家千万不要小看它。这可是统计学的大智慧！没有epsilon的存在，就变成Y=beta0+beta1*X，这是什么？这是一个线性代数问题，跟统计学没嘛关系。但是，一旦有了epsilon，这就是一个标准的线性回归模型。
大家可能会问，反正epsilon也是看不见，摸不着的。我们能对它做什么分析呢？它能！我们主要想分析一下这个epsilon的变异性（也就是说是它的方差有多大）。如果epsilon的方差很小，恨不得就是0，那么原来的线性回归问题就退化为一个线性方程问题。
这时候啊，我们能够基于X，对Y做出极其精准的预测。相反，如果epsilon的方差很大，大得不得了。这说明什么？这说明Y主要是被epsilon驱动的，而X的影响力非常微弱。
数学上可以严格证明，Y的方差完全由X的方差和epsilon的方差所决定。因此，了解epsilon方差的大小，可以帮助我们了解，在多大程度上，Y可以被X准确预测。而这个预测的精确程度，是可以通过一个叫做判决系数（也就是R.Squared）来做一个粗糙的度量。
熊大牌子R.Squared
量化一个回归模型的预测能力（或者拟合优度，这是一个硬币的两面）。这个问题的极致就是：如果我给你无穷多的样本，以至于能够完全准确地知道β值，您能预测（或者拟合）多好？这个“多好”，能否用一个介乎0%到100%数字刻画？这就是熊大版本R.Squared的朴素目的。
大家看，这就是熊大脑袋中的R.Squared。我应该不是第一个如此定义R.Squared的人。其核心是：把因变量Y的信息拆分成两部分，一部分是可以被X解释的（即：X'β），而另外一部分是X无法解释的（即：ε）。然后再研究这两部分信息中，第一部分（可以被X解释的部分）占比如何。这就是熊大牌R.Squared最原始的定义。怎么样，这个好懂吗？
如果这个基本理念清楚了，接下来需要回答的问题是：怎么测量信息？唉，这又是一个八百年扯不清楚的问题，估计没有最优解。但是，在线性回归的框架下，大家发现方差也许是一个可以接受的选择。如果一个变量方差为0，这说明什么？这说明它是一个常数，因此无法刻画不同样本之间的区别，所以它的信息量是0。嗯，这个似乎有道理。两个不同的变量，在单位相同可比的前提下，方差大的变量，自然更能刻画不同样本之间的差异，所以信息量似乎更大一些。怎么样，这个能接受吗？
好，如果我们同意用方差来刻画信息，那么，刚才定义的R.Squared就可以更加具体一点，变成
如果R.Squared=0，这说明var(X'β)=0。一般情况下这说明β=0，因此解释性变量X同因变量Y没有毛关系。如果R.Squared=100%，这说明var(ε)=0。这说明ε=0，因此解释性变量X同因变量Y是确定性的线性关系（以概率为1）。这说明什么？这说明如此定义的R.Squared满足我们最初的设计预期，能够粗糙地量化一个线性模型的预测能力（或者拟合优度），非常棒！
0-1式回归
因变量是0-1型数据。什么是“0-1型数据”？0-1型数据就是说呀，这个数据只可能有两个取值。
例如：性别，只有“男”、“女”两个取值；消费者的购买决策，只有“买”或者“不买”两个取值；病人的癌症诊断，只有“得癌症”或者“不得癌症”两个取值。类似地，大家可以给出很多0-1型数据的例子来。
碰到这种数据挑战的时候，线性回归就不好使了。你需要的是回归分析第2式：0-1回归。0-1回归主要砍的就是0-1型因变量的问题。0-1型的因变量又包含了很多很多的招数，我个人认为，其实大同小异，最常见的有两招就可以了。一招是：逻辑回归，也叫做Logistic Regression；另外一招是：Probit Regression。
具体想学的同学，大家可以去查“广义线性模型”相关的武林秘籍，我就不再这里赘述了。我主要想跟大家分享的是：“0-1回归”是一个非常重要的回归模型，你要不会这招，休想行走数据江湖，永远不可能到达价值的彼岸。
大家都喜欢网上购物，什么淘宝、京东、天猫啥的。每一次登陆进自己的账户，我们看到了什么？是不是总能看到一些被推荐的商品，“猜你喜欢”，对不？这些商品是怎么被推荐出来的？这个背后啊，也是一个0-1回归的问题。
举个例子，咱先找一堆X1描述消费者的特征（什么性别啦、年龄啦、购物习惯啦等等），然后咱们再找一堆的X2描述商品特征（什么品类呀、价格呀、品牌呀、型号呀等等）。咱把这两堆X放在一起，问一个问题：说您会买吗？Y=0表示不会，Y=1表示会。这就是一个标准的0-1回归问题了。
有了这个模型，我们可以知道：对于什么样的消费者，推荐什么样的商品，会产生什么样的购买概率。然后在所有的待选商品中，挑选概率最大的（例如5个），呈现在您的眼前。这就成就了个性化推荐。
有人说了：“王老师，您说的不对，我们用的模型可不是逻辑回归那么简单，老复杂了。”这个木有问题，真正的工程实践，所用的模型，有可能更简单，也有可能更复杂。但是，都逃离不了0-1回归的本质所在。
其实是事情发生的可能性==事情发生的概率
要把一个“0-1型”的因变量数据变成一个连续型的“可能性”的问题，依赖于人们对“可能性”度量手段的不同，可能有不同的“0-1回归”的模型，而逻辑回归就是其中最常见的一种。
定序回归
就是因变量是定序数据的回归分析。那么，什么又是定序数据呢？定序数据就是关乎顺序的数据，但是又没有具体的数值意义。
考虑一个特别常见的例子。例如，咱公司出一款新的矿泉水，叫做“狗熊山泉，有点不甜”。我想知道消费者对它的喜好程度。因此啊，我决定请人来品尝一下，然后呢，根据他的喜好程度，给出一个打分。1表示非常不喜欢，2表示有点不喜欢，3表示一般般，4表示有点喜欢，5表示非常喜欢。这就是我关心的因变量。
这种数据常见吗？非常常见！有什么特点？
第一、它没有数值意义，不能做任何代数运算。例如，您不能做加法。我不能说：1（很不喜欢）加上一个2（有点不喜欢）居然等于了3（表示一般般）。这显然不对。这就是该数据的第一个特点，没有具体的数值意义。
第二，这个数据的第二个特点是它的顺序很重要。例如：1（很不喜欢）就一定要排在2（有点不喜欢的前面），而2（有点不喜欢）就必须要排在3（一般般的前面）。这个顺序呀，很重要！这就是为什么人们管它叫做“定序数据”。
我们说了，定序数据没有具体的数值意义。因此，我们不能确信：2（有点不喜欢）和1（很不喜欢）的差距，是否正好等于5（超级喜欢）和4（有点喜欢）之间的差距。事实上，基本上不可能相等，因为没那么巧！
既然这些取值之间的间距到底是多少，谁也说不清楚。那么，把很不喜欢定义为Y=1，还是Y=1.5，还是说Y=-3，都无所谓。同样的，如何定义有点不喜欢，也随意。但是只要这个定义，不破坏顺序就可以了。这就是定序数据的核心要义。
定序回归应用的常见的战场有哪些？前面说了，消费者调查，请大家表达自己的偏好。在线下，这就是最普通的市场调研；在线上，就可能是豆瓣上人们对一个电影的打分评级；在医学应用中，有些重要的心理相关的疾病（例如：抑郁症）也会涉及到定序数据。这就是回归分析第三式：定序回归。
计数回归
泊松分布
简单可加性。
泊松分布能够满足简单可加性。千万不要小看这个性质。该性质让后面的各种统计模型，能够在一个比较一致的框架下被建立起来。而不会是，例如：Y1是泊松分布，Y2是泊松分布，而Y1+Y2需要另外一个分布。这能把建模的人恶心死。泊松分布
在做二分类的问题时，偶们假设数据的分布是满足泊松分布的
什么是计数回归？就是因变量是计数数据的回归分析。那么，什么又是计数数据呢？就是数数的数据。例如，谁家有几个孩子，养了几条狗。
有什么特点？既然是数数，它就必须是**非负的整数**。不能是负数，说谁家有负3个孩子，没这事。不能是小数，例如说谁家养了1.25只狗，也没这说法。
计数数据在哪些地方常见？例如：客户关系管理中，有一个经典的RFM模型，其中这个F，就是frequency，说的是一定时间内，客户到访的次数。可以是0次，也可以是1次、2次、很多次。但是，不能是-2次，更不能是2.3次。这样清楚吗？
计数数据还出现在医学研究中。一个癌症病人体内肿瘤的个数：0是没有，也可以是1个、2个、或者很多个。
计数数据还出现在社会研究中。例如，二胎政策放开，一对夫妻最后到底如何选择要生育多少个孩子呢？可以是0个、1个，也可以是2个。但是，不能是-2个，也不能是0.7个。
要应对计数型因变量，咱就需要回归分析第四式：计数回归。计数回归也有很多招数。最常见的是**泊松回归、负二项回归、零膨胀泊松回归**等方法。欲知详情，请参见各路统计学秘籍。
``
## 生存回归
建https://mp.weixin.qq.com/s?__biz=MzA5MjEyMTYwMg==&mid=2650237580&idx=3&sn=a8753f0f37716db4c24b469814bb4603&chksm=887235e1bf05bcf73606e3e2a021af754cf879810feee5d3385c0f29b714c348505312608d80&scene=21#wechat_redirect
我有点没看太懂