pythont检验筛选变量_python数据分析之线性回归，各种检验和解决方法！

线性回归

（1）线性回归的主要内容：

有兴趣可以玩一下这个游戏：是猜相关系数的，给你一些散点图，猜相关系数，很难猜对，说明看图说明相关性不靠谱！

（2）线性回归怎么做？数学公式

一个简单线性回归的例子：

ols：

拟合优度：

（3） 假设检验

线性回归这位老师用的是statsmodels做的。

这就是用线性回归拟合出来的模型！

使用这个函数可以直接得到模型的一些结果，会得到这些表！

这个是预测的函数：predict（x）。这是这个包的函数！

二、多元线性回归

也可以用向量的方式。

参数是迭代计算的，此处不讲了。

模型的检验

只用与 模型的选择 调整的r方。避免的样本量的影响，预防过拟合！

python中的实现 试用stats model 多个变量用+连一起！

模型的一些值

变量的筛选，除了常规的，就是使用相前，向后还有逐步，还有全子集的方法。

不多介绍，上篇也讲过。

python需要自己写来实现，当然我不会，这里可以用spss去实现

这是python代码

跳过。。。

回归的假设。

线性

强影响点筛选，然后直接删除

强烈建议用spss进行多元线性回归建模。不过为了熟悉python明天打算用python更着去实现。

自己整理一下，多元线性回归的检验方法：

整体显著性检验：回归模型出来时候，可以之间看整体的F检验的p值

拟合优度检验：最简单的就看R方和调整的R方

系数检验：T检验结果，可以直接看P值

自相关检验：dw检验用得最多

异方差检验：Goldfeld - Quandt 检验法，这个方法挺好的的。其实还有其他检验方法，解决办法是建议取对数

共线性检验：vif值

不够细，明日具体操作的时候会细点！