1.线性模型流程
2.模型假设
1、模型设置,选择何种回归方法、如何选变量、变量以何种形式放入模型(根据理论、看散点图);
2、解释变量和扰动项不能相关(根据理论或常识判断,无法检验);
1、2保证模型是正确的
3、解释变量之间不能强线性相关(膨胀系数);
4、扰动项独立同分布;(异方差检验、DW检验)
5、扰动项服从正态分布 (QQ检验)
3-5检验只能保证模型精确
…
违反假设1,则模型预测能力差;
违反假设2,则回归系数估计有偏;
违反假设3,则回归系数的标准误被放大;
违反假设4,则扰动项的标准差估计不准, T检验失效;
违反假设5,则T检验失效。
3.数值预测评估原理
4.lasso算法
https://blog.csdn.net/sinat_31407371/article/details/70238115