多元回归理论及R语言实现

目录

1、建立模型及显著性检验

2、回归诊断

（1）残差项的正态性检验和等方差性检验

（2）多重共线性检验

（3）自相关检验

（4）异常值检测

---

    回归分析是研究两个变量之间的不确定性关系，考察变量之间的数量变化规律，通过回归方程的形式描述和反映这种关系，帮助人们挖掘出变量之间隐藏的规律。

建立回归模型的一般过程为：

1）建立理论回归模型

2）估计模型参数

3）回归模型检验

4）模型诊断

5）利用回归方程进行预测

以下用思维导图展示回归分析的各个过程：

以下是RStudio实现过程：

1、建立模型及显著性检验

首先是载入数据，在此用的是UCI的一个数据集，包含13种汽车车型的相关指标，共398个样本。选可行驶的公里数MPG作为因变量y，排气量displace、马力horsepower、自重weigh为自变量，分别设为x1、x2、x3，各变量均为数值型。

利用car包中的scatterplotMatrix函数绘制矩阵散点图，以便观察自变量与因变量的关系，可以看到，y与各自变量之间呈现出一定的线性关系。