r语言 面板数据回归_R语言_018回归

  回归分析是统计学的核心。它其实是一个广义的概念，指那些用一个或多个预测变量来预测响应变量的方法。通常，回归分析可以用来挑选与响应变量相关的解释变量，可以描述两者的关系，也可以生成一个等式，通过解释变量来预测响应变量。

  下面介绍如何用R函数拟合OLS回归模型、评价拟合优度、检验假设条件以及选择模型，为了能够恰当地解释OLS模型的系数，数据必须满足以下统计假设↓

• 正态性:对于固定的自变量值，因变量值成正态分布。

• 独立性:Yi值之间相互独立。

• 线性:因变量与自变量之间为线性相关。

• 同方差性:因变量的方差不随自变量的水平不同而变化。也可称作不变方差，但是说同方差性感觉上更犀利。

  如果违背了以上假设，统计显著性检验结果和所得的置信区间就很可能不精确了。而现在机器学习中的回归都完全忽略了这一点，它认为现在的数据都是大数据了，其实，很多时候我们得到的不是所谓的大数据。

  在R中，拟合线性模型最基本的函数就是lm()，格式为：

fit 

  其中，formula指要拟合的模型形式，data是一个数据框，包含了用于拟合模型的数据。结果对象存储在一个列表中，包含了所拟合模型的大量信息。

表达式(formula)形式如下↓

Y ~ X1 + X2 + ... + Xk

~ 左边为响应变量，