分别回归估计和联合回归估计的区别

两种途径，分别回归估计优于联合回归估计。

1、两种途径。分别回归估计：对每层样本分别求取回归估计量，然后对各层的回归估计量进行加权平均，即先“回归”后“加权”。联合回归估计：对两个变量先分别计算出总体总值或总体均值得分层简单估计量，然后再对它们的分层估计量来构造回归灰机，即先“加权”后“回归”。

2、数值一样，分别回归估计优于联合回归估计。当βn和β均取最优值是，分别回归估计优于联合回归估计，尤其是当回归系数相差较大是，分别回归估计的优越性更加明显。

分类是指一类问题，而回归是一类工具。分类的目的在于给对象按照其类别打上相应的标签再分门别类，而回归则是根据样本研究其两个（或多个）变量之间的依存关系，是对于其趋势的一个分析预测。

分类的标签如果是表示（离散的）有排序关系的类别时，比如说“好”、“较好”、“一般”这样的时候，也可以用回归来处理。但是如果标签是纯粹的分类，比如说**中的“喜剧”、“动作”、“剧情”这样的无排序关系的标签时，就很难用回归去处理了。而且，分类中还存在着“多分类”的问题，也就是一个对象可能有多个标签的情况，这就更复杂了。而同时，回归所能做的也并非只有分类，也可以用来做预测等其他问题。所以，回归和分类的区别并非只有输出的“定性”与“定量”那么简单，应该说两者属于不同的范畴。

想更多了解数据挖挖掘中分类和回归区别，推荐上CDA数据分析师的课程。课程内容兼顾培养解决数据挖掘流程问题的横向能力以及解决数据挖掘算法问题的纵向能力。要求学生具备从数据治理根源出发的思维，通过数字化工作方法来探查业务问题，通过近因分析、宏观根因分析等手段，再选择业务流程优化工具还是算法工具，而非“遇到问题调算法包”。真正理解商业思维，项目思维，能够遇到问题解决问题。点击预约免费试听课

鹏仔微信 15129739599 鹏仔QQ344225443 鹏仔前端 pjxi.com 共享博客 sharedbk.com