线性拟合英文

相关系数。楼上说的挺对

regression一般是统计学的回归回归，研究一个随机变量Y对另一个(X)或一组(X1，X2，…，Xk)变量的相依关系的统计分析方法。研究一 个或多个随机变量Y1 ，Y2 ，…，Yi与另一些变量X1、X2，…，Xk之间的关系的统计方法。又称多重回归分析。通常称Y1，Y2，…，Yi为因变量，X1、X2，…，Xk为自变量。回归分析是一类数学模型，特别当因变量和自变量为线性关系时，它是一种特殊的线性模型。最简单的情形是一个自变量和一个因变量，且它们大体上有线性关系，这叫一元线性回归，即模型为Y=a+bX+ε，这里X是自变量，Y是因变量，ε是随机误差，通常假定随机误差的均值为0，方差为σ^2（σ^2大于0）σ^2与X的值无关。若进一步假定随机误差遵从正态分布，就叫做正态线性模型。一般的情形，若有k个自变量和一个因变量，因变量的值可以分解为两部分：一部分是由自变量的影响，即表示为自变量的函数，其中函数形式已知，但含一些未知参数；另一部分是由于其他未被考虑的因素和随机性的影响，即随机误差。当函数形式为未知参数的线性函数时，称线性回归分析模型；当函数形式为未知参数的非线性函数时，称为非线性回归分析模型。当自变量的个数大于1时称为多元回归，当因变量个数大于1时称为多重回归。anova是方差分析方差是各个数据与平均数之差的平方的平均数。在概率论和数理统计中，方差（英文Variance）用来度量随机变量和其数学期望（即均值）之间的偏离程度。在许多实际问题中，研究随机变量和均值之间的偏离程度有着很重要的意义。方差分析(Analysis of Variance，简称ANOVA)，又称“变异数分析”或“F检验”，是R.A.Fisher发明的，用于两个及两个以上样本均数差别的显著性检验。 由于各种因素的影响，研究所得的数据呈现波动状。造成波动的原因可分成两类，一是不可控的随机因素，另一是研究中施加的对结果形成影响的可控因素。

逐步回归只是回归过程采用的其中一种方法而已。多元线性回归可以和非线性回归相区分，也就是解释变量和被解释变量之间建立的回归方程，如果是线性的，则是线性回归，否则是非线性回归。多元逐步回归是回归分析建模的一种，举个例子来说，现在有一个因变量A，建模的时候可能的解释变量有5个，分别是B1,B2,B3,B4和B5，但是搞不清楚5个变量哪些是解释变量，哪些是干扰变量，所以就想到把变量采用不同的方法放到模型中去进行回归建模，放变量的方法具体有可分为Enter法、Forward前进法、Backward后退法、Stepwise逐步回归法等。当然你最终建立的模型可以是线性的，也可以是非线性的。SPSS里线性回归过程，操作的菜单：Analyze——Regression——Linear，回归过程解释变量的方法默认的时候method是Enter法，如果是逐步回归则采用Stepwise，当然因为选的是线性回归过程，只能建立出线性回顾模型

特地上课问了老师。多重回归的英文是“multiple regerssion”,而多元回归是“multivariate regression”。两者为不同概念，前者是一个因变量与多个自变量间的回归，后者是多个因变量与多个自变量间的回归。