有关线性回归分析模型的基本假定需要注意：1）关于随机干扰项的高斯-马尔科夫定理；2）关于自变量的：不存在共线性；3）关于模型的：模型设定正确。
用 glm 函数建立广义线性模型，用参数 family 指定分布类型，logistic模型指定为binomial
用 predict 函数进行预测， predict(model, data, type = 'response'
此外，还可以用 mlogit 包中的 mlogit 函数做多分类变量logistic回归， rms 包中的 lrm 函数做顺序变量logistic回归， glmnet 包中的 glmnet 函数做基于正则化的logistic回归
打开R，注意要把该安装的函数包都安装一下，然后用nls函数做非线性回归
例如：估计非线性回归统计模型
步骤：
#读取数据并查看
f<-read.csv(file="D:/XXX.csv")
f
#做出x与y之间的散点图
plot(f$y~f$x)
#利用nls函数估计β1、β2
nls(f$y~1/(β1+β2*exp(-f$x)),data=f,start=list(β1=1,β2=1))
#添加非线性回归线
y<-f$y
x<-f$x
f<-function(β1,β2,x){1/(β1+β2*exp(-x))}
f.1<-function(x){f(带入估计出的β1,β2,x)}
curve(f.1,add=T,col="red")
