多重线性回归分析的四大纪律三项注意
鉴于多重线性回归已经到了滥用的程度，特总结一下在使用线性回归时需要注意的问题，总结为四大纪律加三项注意。
四大纪律
四大纪律之一： 自变量与因变量之间要存在线性关系，可以通过绘制散点图矩阵来考察，若不符合，需要进行变量的变换予以修正。
四大纪律之二： 各个观测值y1\y2\y3......要相互独立，可通过残差图或durbin-watson检验予以考察。
四大纪律之三： 残差服从正态分布，可以通过标准化残差图考察
四大纪律之四： 方差齐性，也可以通过标准化残差考察
三项注意
三项注意之一： 样本量为自变量个数的5倍以上，要想效果好一些，最好20倍以上。
三项注意之二： 判断有误强影响点，如有应该改正数据或者剔除或采用稳健回归。
三项注意之三： 判断自变量之间有无强相关性，如有改用岭回归等方法。
例题说明：
某个公司计划在国内在开设几家分店，收集了目前分店的销售数据y以及分店所在城市的16岁以下人数x1,人均可支配收入x2,试进行分析（选自张文彤spss统计分析高级教程99页）
1.数据
两个自变量，21个样本含量，符合20倍原则
从图中可以看出，因变量与每个自变量都有线性关系
上图分别检查共线性，独立性和异常点
做残差图，横坐标为因变量，纵坐标为标准化残差
调整r的平方越近与1，回归效果越好，0.907效果不错，durbin watson值在2左右说明残差独立性较好。
p=0.000小于0.05，线性回归为显著
回归方程为y=-6.886+0.009人均支配收入+1.455人数，vif为方差膨胀因子一般只要不超过10，认为不存在共线性
pp图，点在直线附近分布，近似一条直线，说明残差服从正态分布
残差图，三点在零的附近均匀分布，而且没有超过正负3，认为残差服从正态分布且方差齐，且没有强影响点。
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
CDA数据分析师 出品 作者：李诗怡 一、数据分析四大思维 1. 对比思维：没有对比就没有分析 核心观点：单独一个数字没有意义，有 ...
2026-10-05Kimball 是方法，星型模型是它产出的形状。 很多人把"Kimball vs 星型模型"当成一道选择题——这本身就是个误会：Kimball 是动词 ...
2026-10-05写在开头 老板在微信上甩来一句： "帮我看下为什么销量跌了。" ” 你回工位，打开 SQL，开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者：李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时，PySpark的groupBy()确实能完成统计，这也是它的本职工作。但它有一个根本性局限：每一组数据，最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表，结合地理空间维度与数据密度特征，通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图，画过按天的流量折线图，但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”，在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司，工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中，数据往往不是独立存在的，不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读：大多数人只把 dataclasses 当成偷懒工具，用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系，但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中，行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中，千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者：李诗怡 1. 5W1H 分析法 定义：经典系统性思维框架，通过六个核心维度对问题进行全方位拆解与剖析，确 ...
2026-09-28 很多分析师在设计标签时思路清晰，但真到落地环节却面临“数据在手，不知如何转化为可用标签”的困境：或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者：李诗怡 1. 用户标签体系 定义： 通过一系列高度精炼的特征标识，对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库，广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展，数据已成为核心生产要素，各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道，但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时，却常常答不上来。 ...
2026-09-24在时序数据分析中，大部分业务数据并非持续平稳变化，而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象， ...
2026-09-23在统计学与数据分析中，研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能，认 ...
2026-09-23
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
