【x与y的非线性关系】回归，自变量，自变量的平方项，自变量的二次项

参考资料：连享会《平方项 = 倒U型 ？》（文章链接）
该文章为自学总结，大佬请忽视

1. 什么情况下要研究x与y的非线性关系？

1. 假设我们要研究：喝水越多身体越健康吗？
2. 在这里，喝水量为自变量，身体健康度（假设有该指标）为因变量。
3. 常识告诉我们，适当喝水有益于身体健康，但是一旦饮水过度，反而会导致水中毒，损害身体健康。
4. 所以，喝水量（x）对身体健康度（y）的影响并不是线性的，而是呈倒“U”状：随着x的增加，y先增加后减少。
5. 综上，便是我们为什么在一些回归模型中看到某个自变量$x$和$x^2$同时出现：
   $$y=a+bx+c{x}^2（1）$$
   一句话来说——这种情况通常是要研究$x$与$y$的非线性关系。

2. 自变量平方项显著并不意味着x与y呈U型关系

1. 公式1中平方项系数c显著，并不能断言x与y呈U型关系（$c>0$）或倒U型关系（$c<0$）
2. 在现实问题的研究中，我们必须考虑自变量x的取值范围。如研究年龄与收入的非线性关系，自变量年龄则不能为负，在该问题中甚至需要大于18岁。
3. 基于第2点，再考虑x的取值范围与U型曲线拐点的位置，很可能我们研究的问题只处在U型曲线的一侧，此时，x与y的关系还是单调的，只是x对y的边际影响在递增或递减。

3. 对于包含自变量及其二次项的回归模型的解读

1. 仍以收入与食物消费的关系为例，假设二者回归模型为：
   $$\hat{y}=0.910+0.122x-0.006x^2（2）$$
2. 公式2中0.122是线性关系系数，0.006是非线性关系系数
3. 线性关系系数为正，说明随着x的增加，y也随之增加
4. 二次项系数为负。说明随着x的增加，y又会随之减少
5. 对两个系数取绝对值，由于一次项系数0.122大于二次项系数0.006，所以当x较小时，线性关系占主导作用，此时y随x增加而增加
6. 但是，当x比较大的时候，受到平方项的加持，平方项系数会开始占主导，此时y随x的增加而减小

4. 关于拐点的注意事项

1. 由公式1可知，当x与y呈U型关系时，存在拐点： x = − b