回归分析的假定：原因、修正、后果和检验

最新推荐文章于 2024-02-11 00:19:28 发布

Vito789

最新推荐文章于 2024-02-11 00:19:28 发布

阅读量2k

点赞数 1

分类专栏：统计学习笔记文章标签：回归统计学

本文链接：https://blog.csdn.net/Vito789/article/details/122933684

版权

回归分析中常见的问题包括异方差性、自相关性、多重共线性和异常值等。异方差性可能由解释变量遗漏、模型设定错误等导致，可通过加权最小二乘法或模型变换来修正。自相关可能源于误差项本身的关联，修正方法包括一阶差分法和HAC方法。多重共线性可能导致参数估计不稳，可通过容忍度和方差扩大因子等检验，删除相关自变量。异常值的处理包括删除或使用BOOTSTRAP等方法。整个过程中，检验如Spearman Rank、DW统计量和Cook's Distance等扮演关键角色。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

异方差
- 原因
  - 省略了某些解释变量
  - 模型设定误差
    - 非线性设成了线性
  - 测量误差
  - 截面数据
    - 主因
- 修正
  - 找到被省略的变量加到模型中
  - 结合实际找到合适模型
  - 通过事先手段减少此类情况
  - 加权最小二乘
    - 小方差加大权，大方差加小权
  - 异方差稳健标准误法
  - 模型的对数变换
    - Box-Cox的一种
- 后果
  - 最小二乘
    - 仍有无偏性
    - 不具有效性
    - 大样本
      - 没有渐近有效性
  - t检验
    - 失效
  - 预测
    - 失效
- 检验
  - 图示法
    - XY散点图
    - 残差图
  - 统计检验法
    - 思想
      - 检验残差是否随x变化而变化
    - Spearman Rank（斯皮尔曼等级）
      考过真题
    - Gleiser