本讲将介绍分类模型。对于二分类模型，我们将介绍逻辑回归(logistic regression)和Fisher线性判别分析两种分类算法；对于多分类模型，我们将简单介绍Spss中的多分类线性判别分析和多分类逻辑回归的操作步骤。
对于因变量为分类变量的情况，我们可以使用逻辑回归进行处理。把y看成事件发生的概率， $y\ge0.5$表示发生； $y\le0.5$表示不发生。
| 类型 | 模型 | Y的特点 | 例子 |
|---|---|---|---|
| 线性回归 | OLS、GLS（最小二乘） | 连续数值型变量 | GDP、产量、收入 |
| 0‐1回归 | logistic回归 | 二值变量（0‐1） | 是否违约、是否得病 |
| 定序回归 | probit定序回 | 定序变量 | 等级评定（优良差） |
| 计数回归 | 泊松回归（泊松分布） | 计数变量 | 每分钟车流量 |
| 生存回归 | Cox等比例风险回归 | 生存变量（截断数据） | 企业、产品的寿命 |
直接用原来的回归模型进行回归。
由于后者有解析表达式（而标准正态分布的cdf没有），所以计算logistic模型比 probit模型更为方便。
