vecm模型怎么写系数_建立多元线形回归模型的步骤

问题来袭：

要构建一个多元线性回归应该怎么做呢？

莫慌，好好想想～

?

一堆琳琅满目的数据

一个个花样百出的需求

一肚子“不合时宜”的数分能力

(爱情问题来的太快就像龙卷风)

?

无妨

青马与大家共同摸石头过大河

“为了做一名合格的数据分析师

我要努力努力再努力”

1

明确需求

确定分析的对象，即确定因变量y

2

数据清洗

2.1   缺失值处理

(1)缺失值的删除

(2)缺失值的填充(均值填充、众数填充、特殊值填充、热卡填充、聚类填充、极大似然估计等)

(3)缺失值作为一类特殊类型的数据，不删除

2.2  异常值处理

3倍标准差以外的数据可视为异常值

处理方法：

(1)所有异常值填为均值

(2)把大于三倍标准差的数据填充为三倍标准差数据

2.3  分类变量

分类变量处理为one-hot编码

3

相关分析

计算变量之间的相关系数

绘制散点图

4

分割测试集、训练集

一般选择70%为训练集  30%为测试集

5

回归模型(初步训练)

得到模型的残差

为后续的高斯马尔科夫检验做准备

5.1  F检验

F检验，检验所有自变量前面的系数是不是都是0

检验模型是不是符合要求，如果不满足要求，则需要进行模型的重新设置

5.2  t检验

t检验，检验每一个自变量的回归系数是不是0

如果存在不符合要求的自变量，需要对其进行处理

5.3  R^2

度量的模型的解释能力，太高或者太低都不能满足模型的要求

太低，表示模型的解释能力有问题

太高，表示模型过拟合(自变量与因变量的相关性...)

5.4  贝塔系数的正负号(如果有需要的话)

判断有些自变量与因变量之间的符号是不是符合预期假设

6

模型调优

科学理论表明：只要模型数据满足高斯马尔科夫假设，则模型就是线形无偏，即是最优的。

调优的方法：

(1)系数贝塔必须是线形的

(2)残差不能出现序列相关性

        高弗雷假设 H0:无序列相关

        DW检验

(3)自变量之间不能出现太高的共线性(VIF)

VIF值较高时的处理方法：

        (a)对x取自然对数

        (b)主成分分析

        (c)岭回归/lasso

(4)残差不会出现内生性

常用解决内生性问题的方法：工具变量

(5)残差的同方差性

BP检验

White检验  

处理方法：

   (a)对因变量y取自然对数 

   (b)加权最小二乘法

(6)残差的正态性

Q-Q图 

SW检验  

主要用于样本数小于5000的检验  

KS检验   

主要用于样本数大于5000的检验 

处理方法： 

    对因变量y去自然对数，可以很有效地消除残差的正态性

7

模型再优化

(1)增加 高次项

(2)增加 交互项

(3)增加 时间趋势

(4)增加 季节趋势

8

逐步回归 

有助于变量的筛选

按自变量与因变量之间的相关系数进行变量排序

9

交叉验证

目的是为了得到可靠稳定的模型

10

模型测试 

(欢迎指正。。。)

欢迎扫码关注
Data Men