多元回归分析--学习笔记

最新推荐文章于 2024-07-28 13:33:18 发布

阿笨阿呆love

最新推荐文章于 2024-07-28 13:33:18 发布

阅读量3.1w

点赞数 9

分类专栏：统计学习方法文章标签：统计学回归分析

本文链接：https://blog.csdn.net/mimi0107/article/details/53079800

版权

这篇博客详细探讨了多元回归分析的核心概念，包括正态分布、同方差性和误差独立性。F检验用于检验因变量与所有自变量的显著关系，而t检验则用于评估单个自变量的影响。在R中，通过VIF检测多重共线性问题，当VIF大于2时，可能存在问题。此外，还讨论了置信区间和预测区间估计方法，以及如何识别和处理异常值。

摘要由CSDN通过智能技术生成

  回归系数解释：回多元回归情形下，对每一个回归系数的解释如下，当所有其他自变量保持不变时，bi是因变量y对应于自变量xi改变一个单位时所做的改变的估计值。 

  多元判定系数（R-sq）：计算方法同简单线性回归，乘以100即可解释为：因变量y中的变异性能被估计多元线性回归方程解释的百分比 

  修正多元判定系数：多元判定系数的值总是随着新的自变量进入模型而增加，即使新增的变量在统计学上并不显著，为了修正这种影响，在计算多元判定系数时增加了自变量个数n的影响。 

 
 1 、模型假设：随机误差符合以下假设 

  R语言中用Q-QPlot图来展示： 

  关于这些模型建设的验证参见简单线性回归 

关注

专栏目录