理解什么是线性回归
线性回归也被称为最小二乘法回归(Linear Regression, also called Ordinary Least-Squares (OLS) Regression)。它的数学模型是这样的:
y = a+ b* x+e
其中,a被称为常数项或截距;b被称为模型的回归系数或斜率;e为误差项。a和b是模型的参数。
当然,模型的参数只能从样本数据中估计出来:
y'= a' + b'* x
我们的目标是选择合适的参数,让这一线性模型最好地拟合观测值。拟合程度越高,模型越好。
模型估计出来后,我们要回答的问题是:
1. 我们的模型拟合程度如何?或者说,这个模型对因变量的解释力如何?(R2)
2. 整个模型是否能显著预测因变量的变化?(F检验)
3. 每个自变量是否能显著预测因变量的变化?(t检验)
SSA代表由自变量x引起的y的离差平方和,即回归平方和,代表回归模型的解释力;SSE代表由随机因素引起的y的离差平方和,即剩余平方和,代表回归模型未能解释的部分;SST为总的离差平方和,即我们仅凭y的平均值去估计y时所产生的误差。
用模型能够解释的变异除以总的变异就是模型的拟合程度:
R2=SSA/SST=1-SSE
R2(R的平方)也被称为决定系数或判定系数。
第二个问题,我们的模型是否显著预测了y的变化?
假设y与x的线性关系不明显,那么SSA相对SSE占有较大的比例的概率则越小。换句话说,在y与x无线性关系的前提下,SSA相对SSE的占比越高的概率是越小的,这会呈现一定的概率分布。统计学家告诉我们它满足F分布,就像这样:
如果SSA相对SSE占比较大的情况出现了,比如根据F分布,这个值出现的概率小于5%。那么,我们最好是拒绝y与x线性关系不显著的原始假设,认为二者存在显著的线性关系较为合适。
第三个问题,每个自变量是否能显著预测因变量的变化?换句话说,回归系数是否显著?
回归系数的显著性检验是围绕回归系数的抽样分布(t分布)来进行的,推断过程类似于整个模型的检验过程,不赘言。
实际上,对于只有一个自变量的一元线性模型,模型的显著性检验和回归系数的检验是一致的,但对于多元线性模型来说,二者就不能等价了。
from:https://sanwen8.cn/p/3cbCi2d.html