
作者:丁点helper
来源:丁点帮你
前面两篇文章,我们聚焦于线性回归的回归系数,理清了样本与总体回归方程的区别、回归系数的最小二乘法估计等问题,今天我们重点来看看线性回归的残差和预测值。
回归分析的残差
前面我们谈到过样本回归方程有两种写法:
这里,残差的头上也有一个“^”(hat),意味着残差也有总体与样本之分。由上面残差的计算公式也可推知这一点,因为预测值有样本与总体之分,所以残差也自然也是有的。
我们做线性回归的时候一般需满足:
1)线性(L):因变量与自变量之间呈线性关系;
2)独立(I):各观测值相互独立;
3)正态(N):自变量(X)固定时所对应的因变量(Y)服从正态分布;
以上四个条件即俗称的LINE条件。这些条件虽然是针对因变量而言的,但我们却可以通过对残差进行分析达到检验的目的。一般而言,如果残差满足以上四个条件,则称线性回归的假设条件得到满足。
(有关回归诊断的问题,后面我们会专门详细介绍。)
回归分析的预测值
看完残差,我们再来看看预测值。这里要指出回归方程的第三种写法(一般对于总体回归):
看到 μ第一反应应该是均数,而且是总体均数(非样本均数),所以 μγ在相关教材上被称作“X取某个特定数值时,Y的条件总体均数”。
这里的“条件总体均数”估计会看晕不少人。所谓“条件”,意味着Y的取值是依据X的取值而定的,“X的取值”是确定Y的前提条件。
由此,严格来说, Ý应该是 μγ 的预测值。
这意味着给定X的取值,我们通过回归获得的是Y的一个平均值。比如前面文章中谈到的教育程度(X)和收入(Y)的回归方程:
当X=15时,可以计算得出 Ý=5000,严格来讲,这里算出的5000并非是某个人的具体收入,而是一群接受了15年教育的人,其收入的平均数。
因为即便是大家都接受了15年教育,但收入也并不完全相同,有的可能一两万,而有的也可能一两千。而我们通过回归获得是收入(Y)在教育程度为15年(X=15)的一个平均数。
理解了这一层,再看下面这图应该会比较轻松。
回归线与竖线的交点,即是回归预测值,也是这个正态曲线的均值。均值对应着正态分布的波峰,意味着即使这一群人的实际收入有差距,但大部分人仍然会围绕5000上下小幅波动(当X=15时)。
这里的正态分布之所以有四个,是因为在不同X的取值水平下,Y的取值会发生(系统性)的变化,即Y的均值会随着X的变化而变化。
这一点其实描述了回归最本质的意义,试想,如果Y的正态分布不随X变化,那意味就X不会对Y产生影响,则两者可能就不存在线性相关。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14AI 浪潮下的生存与进阶: CDA数据分析师—开启新时代职业生涯的钥匙(深度研究报告、发展指导白皮书) 发布机构:CDA数据科 ...
2025-07-13LSTM 模型输入长度选择技巧:提升序列建模效能的关键 在循环神经网络(RNN)家族中,长短期记忆网络(LSTM)凭借其解决长序列 ...
2025-07-11CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中,数据透视表凭借其强大的数据汇总和分析功能,成为了 Excel 用户 ...
2025-07-11尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08