总结
The assumptions of the linear regression
[喵喵] XanY exit linear relationship（看散点图进行判断）
[喵喵]X is not random , or X is uncorrelated with the Error term（x和y的协方差为0）
[喵喵]the expected value of the Error term is 0, the variance is constant ( homoskedastic, 否则会有异方差性)
[喵喵]the Error term is uncorrelated across observation （相互之间是独立的，不然会存在序列相关性）
[喵喵]the Error term is normal distribution
多元的还要再加上不存在多重共线性
[二哈][二哈][二哈][二哈][二哈]
measure of fit
R ^ 2和adjusted R ^ 2（多元）
R^ 2= explained sum of squares / total sum of squares ( 表示了自变量对因变量的解释力度)
（一元回归，还是相关系数Correlation Coefficient ）(R^ 2是Coefficient of Determination )
the difference （相关系数衡量的是两个变量之间的关系，而R ^ 2不表示，且可以衡量多个变量）
[摊手]随着回归中的变量增加，R ^ 2会增加，并不是因为建立的关系有多符合( the problem is often referred to as Overestimateing the regression )
[摊手]异方差性（heteroskedasticity）
可以分成条件异方差（Error term 随自变量的变动而变动）和非条件异方差
条件异方差对回归有影响，而非条件异方差则无影响
影响 不影响b1（Coefficient estimates）
影响T 检验中的标准误
变大 更容易落尽拒绝域 更容易拒绝原假设（null hypothesis ）
变小 则相反
[摊手]serial Correlation (autocorrelation ) 序列相关性
Error term 之间相关
经常被发现in time series data
正的 正大大大 负的 正小小
[摊手]multicollinearity多重共线性
两个或两个以上的independent variable are highly correlated With each others
In practice , a matter of degree rather than of absence or presence
检验的方法
假设检验 T 检验拒绝原假设（存在因变量的系数为0）
F检验
相关系数矩阵 任何两个因变量的相关系数absolute value都＞0.7
纠正的方法
去掉多余自变量
网友评论