python 方差膨胀因子_Python数据科学：线性回归诊断

接上篇的线性回归文章，传送门如下。

多元线性回归的前提条件：

因变量不能和扰动项有线性关系

自变量与因变量之间要有线性关系

自变量之间不能有太强的线性关系

扰动项或残差独立且应服从均值为0、方差一定的正态分布

/ 01 / 残差分析

残差分析是线性回归诊断的重要环节。

残差应服从的前提条件有三个：

残差方差齐性

残差独立同分布

残差不能和自变量相关(不能检验)

通过查看残差图来查看残差情况。

残差图可分为四类：

残差正常分布：残差随机分布，上下界基本对称，无明显自相关，方差基本齐性

残差曲线分布：残差与预测值呈曲线关系，说明自变量与因变量不是线性关系

残差方差不齐：残差上下界基本对称，但随着预测值的增大，其上下幅度也会不断增大

残差周期变化：残差随预测值增大而呈周期性变化，说明自变量与因变量可能是周期性变化

下面以之前线性回归文章里的模型为例。

# 简单线性回归模型,平均支出和收入

ana1 = lm_s

# 训练数据集的预测值

exp['Pred'] = ana1.predict(exp)

# 训练数据集的残差

exp['resid'] = ana1.resid

# 绘制收入与残差的散点图

exp.plot('Income', 'resid', kind='scatter')

plt.show()

得到模型的残差情况，随着预测值增大，残差基本保持上下对称。

但残差正负的幅度有逐渐变大的趋势，即模型有方差不齐的问题。

异方差的处理方法，可以把数据取对数，所以这里把平均支出数据做对数处理。

# 使用