广告 继续阅读下文 自从我在 演讲以来，我一直公开提倡使用多元线性回归作为分析重要事项的最低限度。 其他先进的统计方法，无论是机器学习还是神经网络，都可以发挥作用。 但对于本文，我主要关注回归。 使用统计方法的一个重要警告是，工具本身或添加到最后的工具本身并不构成一项好的研究。 这就是具有 经验的正确数据分析技能发挥作用的地方。 正如在 - 分析中反复看到的那样，与流行病学专家相比，仅仅拥有数据分析师经验并不足以声称可以解决 或 帖子中的问题。
虽然少数人似乎有助于提供有价值的见解以供分享，但绝大多数人并没有以谦逊的态度谨慎行事，从而允许错误信息传播。 我需要提醒业界当 错误信息被非搜索者在新 印度兼职求职者电话号码列表 闻中传播时会发生什么吗？ 广告 继续阅读下文 我不是统计学家，但是…… 好的，那么是什么让我有权指出研究高级统计的方向呢？ 国际关系硕士，主修国际经济学，在那里我学习了计量经济学，并有幸撕掉了关于中国经济的计量经济学文章。
你会发现我在 上撕毁 相关性研究是有原因的。 那么为什么要回归呢？ 最重要的是，这不再是孤立地分析单个测量的问题。 相反，它是多个指标，它们也可以在影响排名的因素上相互影响。 这至少需要在这个单点上使用多元线性回归。 除此之外，从关注单一指标转而讨论多个因素会促使 更广泛地考虑一套综合指标，以提高排名。 另一方面，它会优先考虑工作，因为 个指标可能看起来令人生畏，但如果 多人勉强移动针头 %，则工作的确定性会加快优化任务。