持续创作，加速成长！这是我参与「掘金日新计划 · 6 月更文挑战」的第25天，点击查看活动详情
软件代码小白入门第25期分享: STATA和R语言在应用上的对比(第三期) 大家好啊，今天继续和大家分享一下我在对软件的不断学习过程中，总结的一些思考。这一期主要和大家说的是STATA和R语言在线性回归和Logistic回归上的异同。相比于上一期分享的R语言在进行频数频率的统计时需要用到两行代码相比，线性回归和Logistic回归在R语言中往往应用一条代码就可以进行分析。下面将会呈现回归分析在线性回归和Logistic回归的异同之处。
举例：假设现在我们想分析性别和年龄分别与心理健康之间的关系，性别为二分类变量，用gender表示，年龄为连续型变量，用age表示，心理健康用专属量表PHQ-9的结果呈现，表示为mentalhealth。基于一些理论基础，探究年龄与心理健康之间的关系可以用线性回归进行分析，研究性别与心理健康之间的关系应该用Logistic回归分析 （因为性别是二分类变量）。
STATA中回归的代码命令： STATA中回归命令一般用一条代码即可实现，线性回归用“reg”， Logistic回归用“logit”。分析时先选择好确定的分析方法然后应用相应的命令即可实现。
1. 线性回归代码:
reg mentalhealth age
2. Logistic 回归代码
logit mentalhealth gender
logit mentalhealth gender, or （可以直接得到OR）
R语言中回归的代码命令：
R语言小红有关回归的命令也是可以用一行代码进行的，线性回归应用“lm”命令，Logistic回归可以根据GLM Model进行拟合。
1. 线性回归代码
lm(mentalhealth~age, data=data)
2. Logistic回归代码
glm(mentalhealth~gender, data=data, family=binomial(link=logit)) 还是像之前说的那样，基于相同的统计学原理的基础下，不同的统计软件有着不同的计量思维和习惯，这样在某种程度上是一种互补的作用。
