2.1 回归分析

2.1.1 线性回归模型











2.1.2 回归诊断
所谓回归诊断的问题,其主要内容有以下几个方面:
(1) 关于误差项是否满足独立性、等方差性(也称为方差齐性)和正态性;
(2) 选择的线性模型是否合适;
(3) 是否存在异常样本点;
(4) 自变量之间是否存在高度相关, 即是否有多重共线性现象.



















2.1.3 逐步回归








本文主要介绍了回归分析的基础概念,包括线性回归模型的建立、回归诊断的方法,如误差项的特性验证、模型适用性评估、异常值检测及多重共线性的判断等。












所谓回归诊断的问题,其主要内容有以下几个方面:
(1) 关于误差项是否满足独立性、等方差性(也称为方差齐性)和正态性;
(2) 选择的线性模型是否合适;
(3) 是否存在异常样本点;
(4) 自变量之间是否存在高度相关, 即是否有多重共线性现象.



























您可能感兴趣的与本文相关的镜像
Stable-Diffusion-3.5
Stable Diffusion 3.5 (SD 3.5) 是由 Stability AI 推出的新一代文本到图像生成模型,相比 3.0 版本,它提升了图像质量、运行速度和硬件效率
3万+

被折叠的 条评论
为什么被折叠?