
作者:丁点helper
来源:丁点帮你
线性回归,可能是统计学上运用最广泛的一类方法了,之所以说它是一类方法,是因为它包括了我们熟知的各种模型:简单线性回归、多重线性回归、Logistic回归等等。
线性回归运用这么广泛很大程度在于它的内在逻辑十分简单。一般情况下,就是找Y的影响因素或者说是衡量自变量(X)对因变量(Y)的影响程度,即便不理解其中的数学计算也可以很容易地凭借各种软件找到我们想要的结果。
确实如此,线性回归,尤其是一般线性模型(一个Y,多个X)使用起来没什么障碍,但大家是否完全理解清楚了所有应该掌握的内容(非数学计算)可能有待思考,这个系列的文章我们以“线性回归”为主题,希望能让大家对这个问题的认识能再全面一丁点。
回归一词的来源
初学的小伙伴有没有思考过,为什么叫“回归”?
回归,这个词,英文叫“Regression”,最早出现在1886年英国遗传学家Francis Galton发表的一篇研究身高的论文(”Regression towards mediocrity in hereditary stature”),他发现子女的身高会向整个群体身高的均值回归。
什么叫均值回归?
大家是否想过人类生活繁衍了无数代,但总体来看,成年男子的身高并没有发生太大的变化,基本稳定在1米6至1米8(暂不考虑人种差异)。
这种现象很大程度就是因为存在均值回归,即身高较高的父母虽然子女也比较高,但往往比父母矮;身高较矮的父母,其子女的身高往往比父母高。
所以,这里的均值回归,就是指子代的身高会向整个人类的平均身高靠拢的趋势。
换句话讲:姚明的孩子大概率会比姚明矮、潘长江的孩子大概率会比潘长江高。
因此,正是因为身高的均值回归现象(向整个群体的平均身高回归),整个人类的身高水平才能比较均衡。
倘若,个子高的父亲生的孩子比自己还高,而个子矮的父亲生的孩子比自己还矮,那么整个人类的身高就会呈现“两极分化”的态势:要么特别高、要么特别矮。
由此来看,最早的“回归”实际上描述的是一种“现象“,即人们的身高不会无限制地上升或降低,而是会朝着平均水平回归。
当然,这种现象并不仅限于“身高”,我们身边的很多现象都有向均值回归的趋势。比如考试成绩,一般来讲,成绩很难持续提升或下降,而是大概率呈现波动状态,维持在一个平均水平。
而现如今,回归更多是指代一种“方法”,即研究两个或两个以上变量相关关系的方法。以一个变量为因变量(Y),另一个或一些变量为自变量(X),构建一个方程——左边为Y,右边为X,通过计算X的系数来估计X对Y的影响。
比如通过父母的平均身高来估计子女的身高。我们以父母的平均身高为“X”,以孩子的身高为“Y”,然后探讨这两个变量之间的线性关系,这就是一个典型的回归模型。
Francis Galton的研究——父母平均身高与子女身高的回归线
区分总体和样本
在刚开始接触统计的时候,我们会经常强调一对概念——总体和样本。但是,这个问题在做回归时可能会被忽略。
因为无论做哪种统计分析,我们获得数据几乎永远都是”样本数据“:统计量的大小仅仅反映了这组数据的情况。
比如,我们想考察”教育年限(X)“与”收入(Y)“是否存在相关关系。通过抽样,获得了两组数据(例如1000名对象的教育年限和目前的月收入),得出相关系数为0.8。
但是,这个相关系数仅仅反映了这1000名对象的情况,对于所有人(即我们研究的总体),这个相关关系是否仍然成立?
所以,我们必须要进行检验,即相关系数的假设检验。因为我们关心的是相关关系的有无,所以,最主要的是检验总体相关系数是否为0(H0假设)。因为”0“代表无关,只要不为”0“,就证明总体数据的相关关系存在。
同样的,我们也可以用获得的这1000名对象的数据,做回归分析,以”教育年限“(X)为自变量,以”月收入“(Y)为因变量,得到回归方程:Y = 2000+200X+ε
这里,我们最关注的是X的回归系数——200。
这里的200,意味着教育程度每增加一年,月收入增加200元。
但是,这个关系也只是反映了这1000名研究对象的情况,对于所有人,是否教育程度每增加一年,月收入都会增加200元?
这就有待进行假设检验,同样我们也是关注:总体回归系数是否为0。
因此,在接触回归的第一步,我们需要明确,自己手头上数据所获得的回归方程仅仅是一个样本的情况。
如果重复抽样,再进行相同的回归分析,就会得到另一个回归方程。
也就是说,目前得到的这个回归方程(以及其中的回归系数),它是可变的,是一个样本值,随着样本的变化而变化。也正因为此,我们才需要对回归系数进行检验。
实际上,教科书对总体回归和样本回归也有着清晰地区分,就连方程的术语和符号也不例外:
所以,”戴帽子“(^)的都是样本值,或者说是总体的估计值。
理清了这一点,才能更好地搞懂回归系数的假设检验等问题。
最后出个题目考考大家,当我们做回归系数(β)的假设检验时,下面A、B两种写法哪种正确:
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
剖析 CDA 数据分析师考试题型:解锁高效备考与答题策略 CDA(Certified Data Analyst)数据分析师考试作为衡量数据专业能力的 ...
2025-07-04SQL Server 字符串截取转日期:解锁数据处理的关键技能 在数据处理与分析工作中,数据格式的规范性是保证后续分析准确性的基础 ...
2025-07-04CDA 数据分析师视角:从数据迷雾中探寻商业真相 在数字化浪潮席卷全球的今天,数据已成为企业决策的核心驱动力,CDA(Certifie ...
2025-07-04CDA 数据分析师:开启数据职业发展新征程 在数据成为核心生产要素的今天,数据分析师的职业价值愈发凸显。CDA(Certified D ...
2025-07-03从招聘要求看数据分析师的能力素养与职业发展 在数字化浪潮席卷全球的当下,数据已成为企业的核心资产,数据分析师岗位也随 ...
2025-07-03Power BI 中如何控制过滤器选择项目数并在超限时报错 引言 在使用 Power BI 进行数据可视化和分析的过程中,对过滤器的有 ...
2025-07-03把握 CDA 考试时间,开启数据分析职业之路 在数字化转型的时代浪潮下,数据已成为企业决策的核心驱动力。CDA(Certified Da ...
2025-07-02CDA 证书:银行招聘中的 “黄金通行证” 在金融科技飞速发展的当下,银行正加速向数字化、智能化转型,海量数据成为银行精准 ...
2025-07-02探索最优回归方程:数据背后的精准预测密码 在数据分析和统计学的广阔领域中,回归分析是揭示变量之间关系的重要工具,而回 ...
2025-07-02CDA 数据分析师报考条件全解析:开启数据洞察之旅 在当今数字化浪潮席卷全球的时代,数据已成为企业乃至整个社会发展的核心驱 ...
2025-07-01深入解析 SQL 中 CASE 语句条件的执行顺序 在 SQL 编程领域,CASE语句是实现条件逻辑判断、数据转换与分类的重要工 ...
2025-07-01SPSS 中计算三个变量交集的详细指南 在数据分析领域,挖掘变量之间的潜在关系是获取有价值信息的关键步骤。当我们需要探究 ...
2025-07-01CDA 数据分析师:就业前景广阔的新兴职业 在当今数字化时代,数据已成为企业和组织决策的重要依据。数据分析师作为负责收集 ...
2025-06-30探秘卷积层:为何一个卷积层需要两个卷积核 在深度学习的世界里,卷积神经网络(CNN)凭借其强大的特征提取能力 ...
2025-06-30探索 CDA 数据分析师在线课程:开启数据洞察之旅 在数字化浪潮席卷全球的当下,数据已成为企业决策、创新与发展的核心驱 ...
2025-06-303D VLA新范式!CVPR冠军方案BridgeVLA,真机性能提升32% 编辑:LRST 【新智元导读】中科院自动化所提出BridgeVLA模型,通过将 ...
2025-06-30LSTM 为何会产生误差?深入剖析其背后的原因 在深度学习领域,LSTM(Long Short-Term Memory)网络凭借其独特的记忆单元设 ...
2025-06-27LLM进入拖拽时代!只靠Prompt几秒定制大模型,效率飙升12000倍 【新智元导读】最近,来自NUS、UT Austin等机构的研究人员创新 ...
2025-06-27探秘 z-score:数据分析中的标准化利器 在数据的海洋中,面对形态各异、尺度不同的数据,如何找到一个通用的标准来衡量数据 ...
2025-06-26Excel 中为不同柱形设置独立背景(按数据分区)的方法详解 在数据分析与可视化呈现过程中,Excel 柱形图是展示数据的常用工 ...
2025-06-26