线性回归适用于连续型数据的分析，用于描述因变量与自变量间的关系。模型考虑不确定性因素ε，强调简单函数形式。回归系数β1表示变量间的影响：β1=0表示无影响，β1>0或<0分别代表正负相关，系数大小反映相关性强弱。最小二乘估计通过平方和分解来评估模型，判定系数R2衡量解释变量对Y信息的解释程度，高R2表明模型解释能力强。调整后的R2防止模型过拟合。
什么数据？什么场景？
适用于连续型数据，因变量y是连续型数据；
应用于产生连续型的y的场景。
- 一定有不确定性（无法罗列所有指标）
- 函数形式要简单 从常数到进一步的简单函数模型即为线性回归。
- 如果表达式没有ε，那么就是简单的线性方程表达式；加上不确定性指标ε，才是线性回归模型。
ε：统计学的精髓
简单好用的模型——只是近似逼近而不是数据的来源。
如果β1是0，那么说明在给定其他解释性变量的情况下，X1对Y无影响
特别关心回归系数！
基于在控制了其他变量的情况下，
β1=0，X不重要；β1！=0，X则很重要
β1>0正相关；β1<0负相关；
最低0.47元/天 解锁文章
4434
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
