目录
回归分析的一般步骤：
最小二乘法
估计标准误差
在1－α置信水平下预测区间为：
回归直线的拟合优度
判定系数（最终指导依据）
显著性检验
线性关系检验
回归系数的显著性检验
线性关系检验与回归系数检验的区别
多元线性回归分析
调整的多重判定系数：
曲线回归分析
多重共线性
多重共线性检验的主要方法:
容忍度:
方差膨胀因子
python 工具包
statsmodel回归分析
分类变量
plotly绘图实例
回归分析的一般步骤：
误差项ε 是独立同分布的，且服从一个μ为0，σ为Θ2次方的正态分布。
最小二乘法
最小二乘法的来由：
最小二乘估计来由：
估计标准误差
公式中根号内的分母是n-2,而不是n，因为自由度为n-2。实际上n-2等于n-p-1，p是预测因子维度。
在1－α置信水平下预测区间为：
Se是标准误差，t统计量，α取值一般会给出，一般为0.05
相对于置信上下限，预测上下限考虑到了ε。
回归直线的拟合优度
总平方和（SST）：
回归平方和（SSR）：
残差平方和（SSE）：
- 总平方和(SST)，反映因变量的 n 个观察值与其均值的总离差
- 回归平方和SSR反映了y的总变差中，由于x与y之间的线性关系引起的y的变化部分
- 残差平方和SSE反映了除了x对y的线性影响之外的其他因素对y变差的作用，是不能由回归直线来解释的y的变差部分
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/73930.html